最优论文+代码查找神器，覆盖AI全领域（966个ML任务、8500+论文）

网站地址：https://paperswithcode.com/sota

Papers With Code 简介

 

Papers With Code 由 Reddit 用户 rstoj 开发，旨在提供免费、开源的机器学习论文资源、代码和评估排行榜。目前该网站已经完成了代码与论文的自动化链接，正在研究自动提取论文中的评估数据。

 

该网站将 ArXiv 上的最新机器学习论文与 GitHub 上的代码（TensorFlow/PyTorch/MXNet 等）对应起来。用户可以按标题关键词查询，或者按流行程度、GitHub 收藏数排列“热门研究”。

 

据了解，Papers With Code 网站上的所有内容都是可编辑的，而且是版本化的。用户可以从中发现好的任务和最优结果，甚至发现一些以前不知道的研究精华。开发者还开源了整个数据集。

 

数据下载

 

论文摘要：

https://paperswithcode.com/media/about/papers-with-abstracts.json.gz

 

论文与代码之间的链接：

https://paperswithcode.com/media/about/links-between-papers-and-code.json.gz

 

评估排行榜：

https://paperswithcode.com/media/about/evaluation-tables.json.gz

 

数据源

 

大部分数据来自于开发者的论文标注。为了确保广泛覆盖机器学习任务，开发者解析了 6 万多篇论文的标题（命名为“Method X for Task Y”）。此外，开发者还在 2018 年最后一个季度的 1600 篇 arXiv 论文摘要中手动标注了任务和数据集。

 

开发者还 follow 了以下项目的数据：

 

NLP 进展：

https://github.com/sebastianruder/NLP-progress

 

EFF AI metrics：

https://github.com/AI-metrics/AI-metrics

 

SQuAD：

https://rajpurkar.github.io/SQuAD-explorer/

 

RedditSota：

https://github.com/RedditSota/state-of-the-art-result-for-machine-learning-problems

 

抓取和导入数据的代码也已开源，详见：

 

paperswithcode/sota-extractor