Papers with Code

Papers with Code 是一个专注于机器学习领域的学术资源平台，旨在连接研究论文、代码实现、数据集和性能排行榜。平台收录了大量经过同行评审的论文，并为每篇论文提供官方或社区贡献的代码仓库链接，帮助研究人员轻松复现实验结果。此外，平台还维护了各类任务（如图像分类、自然语言处理、强化学习等）的排行榜，展示不同方法在标准基准上的表现，便于快速了解当前最优技术。

核心功能

• 论文与代码关联：每篇论文页面列出可用的代码实现（如 GitHub 仓库），并显示代码是否经过验证。
• 任务排行榜：按任务（如 ImageNet、GLUE、SQuAD）组织，展示各方法的表现指标及排名。
• 数据集索引：提供常用数据集描述和元数据，部分数据集可直接获取。
• 趋势跟踪：突出显示近期热门论文和代码仓库，帮助用户发现前沿研究。

适用人群

适用于机器学习研究人员、工程师和学生，尤其是希望复现论文、对比不同方法效果或寻找基线代码的用户。

使用方式

通过浏览器直接访问网站，无需注册即可浏览公开内容。用户可通过搜索论文标题、作者或任务关键词查找资源。若需贡献代码或更新排行榜，可注册账号后提交。

注意事项

平台上的代码链接由社区贡献或作者提供，可能存在未维护或无法运行的情况，建议核对代码来源和许可协议。排行榜数据基于公开结果，具体复现时需注意测试环境和配置差异。