机器学习越来越火！免费查找AI最优论文神器出现啦！

白交发自凹非寺
量子位报道 | 公众号 QbitAI

机器学习越来越火了，感觉不学习都赶不上时代的步伐了。

可是看论文又没有方向，费时费力，也许还要费钱。

而且机器学习的论文真不是一般的多。

Google AI大牛、谷歌大脑负责人Jeff Dean，就曾经过精密计算后得出了一个数据：平均每一天，全世界都会产生100篇机器学习新论文。

这还只是一年前的结果。

那如何在这个茫茫论文之海里找到最佳论文呢？

相信很多干货里都提到了这样一个网站，号称“AI所有领域最优资料查找神器”——Papers with Code。

而且现在，Papers With Code迎来了大更新，还登上了Reddit热榜，网友纷纷表示：太棒了！

现在网站上有超过2500多个排行榜和20,000多个论文结果。

此外，结果现在可以直接链接到arXiv中的表格，只需要轻轻一点result，就能够提取出论文结果来。

话不多说，我们就来一睹为快。

查论文神器大更新

此次更新，主要是由三个方面，一个新的result界面，自动化结果提取，大数据库更新。

首先是，一个新的result界面，该界面将结果直接链接到arXiv论文中的原始表格。

就比如，我们看到这个ImageNet排行榜，单击下面其中一行的result，就可以直接链接到论文中的表格，是不是更加直观清晰？

此外，这样的新界面还充当了新论文的结果编辑器，用户可以在社区直接添加论文的结果，这样将直接链接到内部表格。

需要注意的是，这个界面目前仅适用于带有LaTex源的arXiv论文。

接着，就是自动化结果提取。

该公司在过去一年中就致力于研究从机器论文学习中自动提取结果。

现在就有了一个新的人机交互系统，用于生产中的结果提取。我们的模型可以为每一篇arXiv ML论文生成人类可以接受或拒绝的建议。通过显著提高性能，使这一系统在实际应用上比之前的最先进的系统更加可行。

目前已经在arXiv上发布了相关方法，并在GitHub上开源，还发布了一个结构化的注释数据集，用于训练模型的结果提取，以及评估模型在此任务上的性能的数据集，以期以后更好的优化。

此外，资源数据也得到了很大的扩展，截至目前，网站已经有了800多个新的排行榜以及5500多个新的结果。所有的数据都已经获得了免费的开放数据许可，并且也可以在此处下载JSON格式的数据。

关于Papers with Code

Papers with Code成立于2018年7月，初衷是希望能够帮助机器学习的爱好者跟踪最新发布的论文及源代码，快速了解最前沿的技术进展。

网站广泛涉及ML各个领域，包括CV、NLP、医疗、语音、游戏、时序、音频、机器人、音乐、推理、计算机代码等方面的内容。

网站所有内容都是可编辑和版本化的。

首页上就有直观的索引。

而在每个领域下方，不仅有论文排名，以及与此连接的代码。

网站将 arXiv 上最新的机器学习论文与 GitHub 上的代码对应起来，让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」。

我们就以CV为例。

计算机视觉就分了五个小类，语义分割、影像分类、物体检测、影像生成、去噪。

点击语义分割这一类，首先是对语义分割的一个简短介绍，接着就是论文排行榜。

点击你所想要看的论文及代码，可以啦！

Papers with Code 网站背后的公司名为 Atlas ML，位于英国伦敦，创始人为 Robert Stojnic 和 Ross Taylor。

创建者之一 Robert Stojnic 在 2012 年于剑桥大学取得计算生物学博士学位。2018 年 7 月创办 Atlas ML 及网站 Papers with Code，目前担任 Atlas ML 的 CEO 职位。

Ross Taylor 在 2014 年于剑桥大学取得经济学硕士学位，毕业后曾在金融行业从事软件开发和机器学习模型设计等工作，2018 年联合创办 Atlas ML，目前担任 CTO一职。

而就在去年年末，创立仅一年多的 Papers with Code宣布正式并入 Facebook AI ，不过双方继续保持其平台独立性，相关服务、社区和网站的运行及互动方式都不会改变。

One more thing

介绍了这样一个优质的资源网站以后，也许你还想问，那如何看论文呢？

此前，我们发表了一篇由清华本科特奖学生高天宇的干货分享，其中他就有提到怎么查找论文，研究论文的小秘诀。

首先，对论文进行分类：

对于与自己当前课题相关的论文，需要有一个全面的把握，对每一篇都应有所了解。

一方面，这些研究本身与你的研究非常相关；另一方面，在“撞题”的情况下，你正在做的项目可能已经被别人率先突破。

而别的子领域及其他领域论文，对于你当前的研究没有太大启发，可以略过。但如果有对整个研究领域存在指导意义或者取得重大突破和成果，那就需要认真研读和总结。

针对标题，高天宇还提出了水文第一定律。

标题越长，是水文的概率越大。标题越短，往往干货越多。

此外，还分享了文献管理工具，以及如何看论文等小技巧，想看的可以戳下方链接哦！

另外，如果你也有什么查看文献各类神器，也欢迎跟我们分享~

参考链接：
https://www.reddit.com/r/MachineLearning/comments/gfq9kp/pr_a_big_update_to_papers_with_code_now_with_2500/
https://paperswithcode.com/sota
https://medium.com/paperswithcode/a-home-for-results-in-ml-e25681c598dc

清华本科特奖高天宇干货分享：
https://mp.weixin.qq.com/s/iaNTQ5WnLIpqNlytGa7N4g

end

近期热门：

【福利】PyTorch中文版官方教程来啦（附下载）

重磅推荐！Matplotlib官方小抄手册公开啦，值得收藏

由菜鸟学Python原班人马打造的公众号【程序员GitHub】，专注于分享GitHub上有趣的资源包括，Python，Java，Go语言前端学习等优质的学习资源，爆料程序员圈的新鲜趣事，热门干货，职场感悟，感兴趣的小伙伴可以来捧场！

程序员GitHub

点这里，进菜鸟学PythonB站大本营