 新智元报道 编辑：肖琴 【新智元导读】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。 我们在去年介绍了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： 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：
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。 
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。 
 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！ |
|
|
