8500＋公开代码论文，950多项机器学习任务最优结果汇总

做AI研究，了解某个任务的“最先进技术”是必须的。本文介绍一个强大的网站，包含了950+单独的ML任务，500+个排行榜，以及8500+篇公开了代码的论文。赶紧收藏起来！

工欲善其事，必先利其器。

在人工智能这个大热领域，想要追踪所有最新进展并不容易。

Papers with Code这个网站，这是一个找到论文代码的“神器”。它将 ArXiv 上的最新机器学习论文与 GitHub 上的代码联系起来。这个项目索引了大约5 万篇论文和 1 万个 GitHub 库，你可以按标题关键词查询，也可以按流行程度、GitHub 星星数排列 “热门研究”。

这个网站能让你跟上 ML 社区流行的最新动态。

Paper with code趋势

但是，仅仅能迅速浏览热门研究并找到代码还不够，做某一领域的研究，先了解现在该领域的state-of-the-art技术是必要的。

好消息是，Papers with Code团队刚刚发布了最新版本的Papers with Code网站。他们从庞大的数据库中提取了950+单独的ML任务，500+个评估表(包含SOTA结果)，以及8500+篇公开了代码的论文。

传送门：

https://paperswithcode.com/sota

网站上的所有内容都是可编辑的，网站上的tasks和sota数据对发现性研究和比较研究非常有用，甚至还可以发现一些以前不知道的研究瑰宝。

事不宜迟，让我们赶快来试用一下！

网站将966个任务分为16个大类，分别是：

计算机视觉

自然语言处理

医疗

研究方法

杂类

语音

游戏

图(Graphs）

时间序列

音频

机器人

音乐

推理

计算机编码

知识库

对抗性(Adversarial)

点开“计算机视觉”这个大类，又细分为几十个小类任务。

让我们以“语义分割”(Semantic Segmentation)这个任务为例。

语义分割这个任务是在pixel-level识别和理解图像中的内容

这个任务下一共有299篇公开代码的论文，9个leaderboards。

紧接着，可以按“Greatest”、“Latest”和“Without Code”对数据库中的论文进行排序：

上面是按“Greatest”排序的前5篇论文，可以看到，ECCV 2018 的Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation这篇论文是 PASCAL VOC 2012上语义分割任务的SOTA，CVPR 2017的Pyramid Scene Parsing Network是Cityscapes上实时语义分割任务的SOTA，何恺明的Mask R-CNN是MHP v1.0上多人语义分割任务排名第2的模型。

一目了然！简直太好用了！

再看几个例子。

NLP的Language Modelling任务最近很火，网站汇总了8个leaderboards，221篇公开代码的论文。

语言建模是预测文本中的下一个单词或下一个字符的任务。

我们看到，排行榜上Transformer-XL霸榜了。

更多好用功能，欢迎读者前去挖掘！