机器学习越来越火了，感觉跟不上时代了学习。但是看论文是没有方向的，需要时间、精力，也许还有钱。而且关于机器学习的论文真的不多。谷歌人工智能负责人兼谷歌大脑负责人杰夫·迪恩经过精确计算得出了一个数据：平均而言，全世界每天都会产生100篇关于机器学习的新论文。那只是一年前。那么如何在这浩瀚的论文海洋中找到最好的论文呢？相信很多干货里都会提到这样一个网站，号称“AI各领域最好的数据搜索神器”——PaperswithCode。而现在，PapersWithCode又迎来了一次大更新，还登上了Reddit热搜榜。网友纷纷表示：太好了！网站上现在有超过2,500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，只需单击结果即可提取论文的结果。话不多说，一起来看看吧。查汶神器大更新本次更新主要由三个方面组成，全新的结果界面、结果自动提取、大数据库更新。首先，一个新的结果界面将结果直接链接到arXiv论文中的原始表格。例如，当我们看到ImageNet排行榜时，单击下面其中一行中的结果可以直接链接到论文中的表格。是不是更直观清晰？此外，这样的新界面还充当了新论文的结果编辑器，用户可以直接在社区添加论文结果，直接链接到内表。需要注意的是，该接口目前仅适用于LaTex源的arXiv论文。然后，有自动结果提取。过去一年，该公司一直致力于从机器学习论文中自动提取结果。现在有一个新的人机交互系统用于生产中结果的提取。我们的模型可以为每篇arXivML论文生成人类可接受或拒绝的建议。通过显着提高性能，该系统比以前的最先进系统更适合实际应用。相关方法已经在arXiv上发布，并在GitHub上开源。还发布了用于提取训练模型结果的结构化注释数据集，以及用于评估模型在该任务上的性能的数据集，以期在未来进行更好的优化。此外，资源数据也得到了极大的扩充。截至目前，该网站拥有800多个新排行榜和5500多个新结果。所有数据均已在免费开放数据许可下获得，也可在此处下载JSON格式的数据。关于PaperswithCodePaperswithCode成立于2018年7月，初衷是帮助机器学习爱好者追踪最新发表的论文和源代码，快速了解最前沿的技术进展。网站广泛涉及ML的各个领域，包括CV、NLP、医疗、演讲、游戏、计时、音频、机器人、音乐、推理、计算机代码等。网站上的所有内容都是可编辑和版本化的。第一页有一个直观的索引。而在每个领域的下方，不仅有论文的排名，还有与其相关联的代码。该网站将arXiv上最新的机器学习论文与GitHub上的代码进行匹配，允许用户通过标题关键词进行搜索，或者通过热度和GitHub收藏夹来排列“热门研究”。我们以简历为例。计算机视觉分为五个子类，语义分割、图像分类、目标检测、图像生成和去噪。点击semanticsegmentation的类别，首先是semanticsegmentation的简要介绍，接下来是论文排名。点击你想看的论文和代码，就是这样！PaperswithCode网站背后的公司是AtlasML，总部位于英国伦敦，由RobertStojnic和RossTaylor创立。其中一位创始人RobertStojnic获得了博士学位。2012年获得剑桥大学计算生物学博士学位。2018年7月创立AtlasML和PaperswithCode网站，现任AtlasMLCEO。RossTaylor2014年获得剑桥大学经济学硕士学位，毕业后在金融行业从事软件开发和机器学习模型设计工作。2018年联合创立AtlasML，现任CTO。去年底，成立仅一年多的PaperswithCode宣布正式并入FacebookAI。但双方继续保持平台独立性，相关服务、社区和网站的运营和互动方式不会改变。多一件事介绍完这么优质的资源网站，大家可能还想问，论文怎么读？之前，我们发布了一篇清华本科生奖学金生高天宇分享的干货，文中他提到了如何找论文和researchpaper的tips。首先，对论文进行分类：对于与你当前主题相关的论文，你需要全面掌握，了解每一篇。一方面，研究本身与你的研究非常相关；另一方面，在“切题”的情况下，你正在做的项目可能是别人最先突破的。其他子领域和其他领域的论文对你目前的研究没有太大启发，可以跳过。但若对整个研究领域具有指导意义或取得重大突破和成果，则需要认真研究和总结。针对题目，高天宇还提出了水文学第一定律。标题越长，越有可能是水文学。标题越短，越倾向于干货。此外，还分享了文献管理工具和论文阅读技巧。如果你想阅读它，你可以点击下面的链接！
