机器学习越来越火了，觉得不学习都赶不上时期的步伐了。
可是看论文又没有方向，费时费力，大概还要费钱。
而且机器学习的论文真不是一样平常的多。
Google AI大牛、谷歌大脑卖力人Jeff Dean，就曾经由精密打算后得出了一个数据：均匀每一天，全天下都会产生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，网友纷纭表示：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，只须要轻轻一点result，就能够提取出论文结果来。
话不多说，我们就来一睹为快。
查论文神器大更新这次更新，紧张是由三个方面，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，单击下面个中一行的result，就可以直接链接到论文中的表格，是不是更加直不雅观清晰？
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。
须要把稳的是，这个界面孔前仅适用于带有LaTex源的arXiv论文。
接着，便是自动化结果提取。
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论文天生人类可以接管或谢绝的建议。通过显著提高性能，使这一系统在实际运用上比之前的最前辈的系统更加可行。
目前已经在arXiv上发布了干系方法，并在GitHub上开源，还发布了一个构造化的注释数据集，用于演习模型的结果提取，以及评估模型在此任务上的性能的数据集，以期往后更好的优化。
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。所有的数据都已经得到了免费的开放数据容许，并且也可以在此处下载JSON格式的数据。
关于Papers with CodePapers 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，快速理解最前沿的技能进展。
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、打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。
首页上就有直不雅观的索引。
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，或者按盛行程度、GitHub 收藏数排列「热门研究」。
我们就以CV为例。
打算机视觉就分了五个小类，语义分割、影像分类、物体检测、影像天生、去噪。
点击语义分割这一类，首先是对语义分割的一个简短先容，接着便是论文排行榜。
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 年于剑桥大学取得打算生物学博士学位。2018 年 7 月创办 Atlas ML 及网站 Papers with Code，目前担当 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拓和机器学习模型设计等事情，2018 年联合创办 Atlas ML，目前担当 CTO一职。
而就在去年年末，创立仅一年多的 Papers with Code宣告正式并入 Facebook AI ，不过双方连续保持其平台独立性，干系做事、社区和网站的运行及互动办法都不会改变。
One more thing先容了这样一个优质的资源网站往后，大概你还想问，那如何看论文呢？
此前，我们揭橥了一篇由清华本科特奖学生高天宇的干货分享，个中他就有提到怎么查找论文，研究论文的小窍门。
首先，对论文进行分类：
对付与自己当前课题干系的论文，须要有一个全面的把握，对每一篇都应有所理解。
一方面，这些研究本身与你的研究非常干系；另一方面，在“撞题”的情形下，你正在做的项目可能已经被别人率先打破。
而别的子领域及其他领域论文，对付你当前的研究没有太大启示，可以略过。但如果有对全体研究领域存在辅导意义或者取得重大打破和成果，那就须要负责研读和总结。
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，每每干货越多。
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！
其余，如果你也有什么查看文献各种神器，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/sotahttps://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
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态