Papers with Code翻译站点

ADADAD固定广告位图片或标题，点击入驻固定广告位图片或标题，点击入驻固定广告位图片或标题，点击入驻

一、网站简介

Papers with Code 是一个革命性的机器学习学术资源平台，将最新的研究论文、对应的开源代码实现、基准数据集和性能排行榜有机整合在一起。平台已收录超过10万篇带有代码实现的机器学习论文，索引了超过1.4万个公开数据集，并维护着7600多个任务排行榜。用户可以按任务（如目标检测、情感分析、机器翻译）浏览该领域当前的最优方法（SOTA），一键跳转到论文和 GitHub 代码仓库。对于需要复现论文结果或追踪前沿进展的研究者而言，Papers with Code 已成为每天必访的核心工具，被称为「AI研究者的导航地图」。

二、公司背景

Papers with Code 由机器学习研究者 Robert Stojnic 和 Ross Taylor 于2018年创立，总部位于英国伦敦。平台的核心理念是连接「论文」与「代码」，解决学术论文结果难以复现的痛点。2023年，Papers with Code 被 Meta AI（原 Facebook AI Research）收购，成为 Meta 推动开放科学研究的重要组成部分。目前平台已与 arXiv 论文预印本平台深度集成，论文页面会自动显示关联的代码和数据集链接。

三、核心功能

• 论文与代码精准匹配：收录超过10万篇带有 GitHub 或其他开源仓库代码链接的机器学习论文。每篇论文页面展示摘要、代码仓库链接、使用的数据集以及在该任务上的性能排名，一站式获取研究所需全部资源。
• State-of-the-Art 排行榜：按16个顶级分类（计算机视觉、自然语言处理、语音、强化学习等）和3000+子任务组织排行榜，清晰展示每个任务上当前最优方法及其性能指标，帮助研究者快速了解领域进展。
• 数据集综合索引：收录超过1.4万个公开数据集，每个数据集页面展示其描述、下载链接、使用该数据集的热门论文以及在相关任务上的 SOTA 排行榜。平台还标注了数据集之间的关联关系。
• 方法（Method）分类：将论文中使用的核心算法组件（如 Attention、Transformer、ResNet 等）按类别组织，用户可以查看某一方法在哪些任务上取得了成功，以及该方法的演进脉络。
• 多维度搜索：支持按论文标题、作者、任务、数据集、方法等多种维度进行精确搜索，搜索结果可直接按 Stars（GitHub 热度）和发布时间排序。

四、网站特点

• 三位一体整合模式：将论文、代码和数据集三大科研要素有机结合，形成知识网络。用户可以从数据集出发找到相关论文，也可以从论文出发找到代码实现和性能对比。
• 前沿追踪高效：通过 SOTA 排行榜和最新论文列表，研究者可以每天快速了解自己所在领域的最新进展，避免遗漏重要成果。
• 降低复现门槛：大多数论文直接关联可运行的 GitHub 代码，大幅减少了从「读懂论文」到「跑通代码」之间的工作量。
• 社区贡献活跃：用户可以提交论文与代码的关联关系、补充排行榜结果，通过众包方式保持数据的时效性和完整性。

五、适用人群

• AI研究生和博士生：追踪所在研究领域的最新进展，查找论文的代码实现以复现实验和进行改进。
• AI工程师：快速了解某一任务上的最佳方法，获取可直接使用的开源代码进行产品开发。
• 学术审稿人：核查投稿论文声称的性能是否与排行榜数据一致，评估其方法的真实创新性。
• 技术博主/科技媒体：了解AI领域的最新突破，获取权威的性能对比数据用于科技报道和科普文章。

六、应用场景

• 新领域快速入门：博士生确定研究课题为「半监督图像分割」后，在 Papers with Code 上浏览该任务的 SOTA 排行榜，下载排名前三方法的论文和代码进行研读与复现，一周内即可掌握领域前沿动态。
• 论文代码复现：工程师在阅读一篇关于文本摘要的论文后，通过 Papers with Code 直接链接到作者开源的 PyTorch 实现，在自己的数据集上进行复现和微调。
• 寻找合适的数据集：研究者发现一篇医学图像分割论文效果很好，通过 Papers with Code 的数据集页面了解到作者使用了 BraTS 脑肿瘤分割数据集，并找到了该数据集的官方下载地址和使用许可。
• 技术选型参考：AI创业公司CTO在决定核心模型的技术路线时，查阅 Papers with Code 上目标检测任务的排行榜，对比各方法在精度和速度上的权衡，选择最适合产品需求的基础架构。

七、常见问题（FAQ）

Q：国内能否直接访问 Papers with Code？
A：可以。Papers with Code 在国内网络环境下通常可以正常访问，页面加载速度理想。部分论文链接指向的 arXiv 和 GitHub 在国内也可直接访问。

Q：Papers with Code 上的排行榜数据可信吗？
A：排行榜数据由社区成员提交，平台会进行基本的格式检查。但建议研究者将排行榜作为「参考」而非「绝对权威」，在使用其数据写论文时最好自行复现验证关键结果。

Q：如何让自己的论文出现在 Papers with Code 上？
A：在 GitHub 上开源论文代码后，可以在 Papers with Code 网站手动提交论文与代码的关联。许多学术会议（如 NeurIPS、ICML）的官方程序也会自动将接收论文索引到平台。

Q：平台上的数据集可以免费下载吗？
A：Papers with Code 本身不托管数据集，它提供的是数据集的索引和原始下载链接。具体下载方式和使用许可取决于数据集原始发布方的政策。

八、类似网站

• arXiv：最大的学术论文预印本平台，但缺少代码关联和排行榜功能。
• Semantic Scholar：AI驱动的学术搜索引擎，提供引用分析和影响力指标。
• Connected Papers：以图谱形式展示论文之间的引用关系，帮助发现相关研究。