作为一名在软件工程领域漫漫科研长路上的求索者，你可能难免遇到以下困境：初入某个研究领域，对其进展一无所知且毫无头绪；想使用某个文献中提及的数据集，花费许多时间搜索却一无所获；当搜索到一篇与自己研究内容相关的文献时，难以找到与之对应的开源代码，以至于难以了解文献中方法的具体实现，无法复现其实验结果。如果你正为以上问题发愁，不妨让学术神器Papers With Code（系统网址：https://paperswithcode.com/、助你一臂之力！
网站简介
Papers With Code网站首页如图1所示。用户可以通过左上方的搜索栏直接搜索所研究领域的关键字或者感兴趣的论文名称。
图1 Papers With Code网站首页
在搜索栏右侧分别是“浏览最先进的”“数据集”“方法”及“更多”这四个主要功能版块。“浏览最先进的”主要用于为用户提供某个领域内目前公认最先进的文献方法及其实现代码。对初入新领域的研究者来说，先快速找到该领域最新最好的文献，然后根据其代码实现进行实验复现以了解算法细节，再根据它的参考文献来学习这个领域最近几年的新成果（一般是3-5年内的、和一些经典理论，找出这个领域的研究热点和难点，不失为一种较好的学习方式。如图2所示，截止2022年6月，该版块已经搜集了7635个排行榜、3112个任务和71871篇带有源码的论文，并将论文细分成“计算机视觉”“自然语言处理”等16个类别，为研究者查找文献提供了极大的便利。
图2 Papers With Code网站BrowseState-of-the-Art版块
“数据集”版块如图3所示，主要用于查找机器学习相关的数据集。截止2022年6月3日，该版块已经搜集了6241个公开数据集以及与其相关的论文，包括CIFAR10、ImageNet、COCO等最主流的数据集。网页左侧面板中提供了按数据集名称搜索、按数据集类型搜索、按任务类型搜索等多种搜索方式。
图3 Papers With Code网站Datasets版块
以红外人车数据集KAIST为例进行搜索，可得到4个与KAIST数据集相关的结果，如图4所示。用户点击即可查看每个结果的详细介绍。
图4 KAIST数据集查询结果展示
“方法”版块介绍了1931个与机器学习相关的组件（或者网络结构、，并将其分为“通用”“计算机视觉”“自然语言处理”“强化学习”“语音”“序列化”及“图计算”7大类。用户点击进入相应的类别即可查看更加详细的分类信息。
图5 Papers With Code网站Methods版块
“更多”菜单中，包括“通讯”“关于”“趋势”“门户”“库”等内容。其中，“通讯”版块如图6所示。用户只需要通过邮箱进行订阅，就可以及时收到机器学习的最新资讯推送，包括代码、研究进展、库、方法和数据集。
图6 Papers With Code网站Newsletter版块
“趋势”版块如图7所示。用户通过该模块可以了解各类AI框架的使用趋势和可用代码的变化趋势。
图7 Papers With Code网站Trends版块
“门户”版块介绍了包括机器学习、计算机科学、物理学、天文学、数学和统计学等领域的论文及其相关代码。用户可以根据自身需求，通过该版块快速进入不同的领域进行学习。
图8 Papers With Code网站Portals版块
“库”版块介绍了与计算机视觉、自然语言处理相关的一些常用AI框架。
图9 Papers With Code网站Libraries版块
使用指南
-
论文及其源码查找
以查找一篇题为“BERT: Pre-training of deep bidirectional transformers for language understanding”的论文为例，用户直接在搜索框中输入论文题目，就可以看到如图10所示的搜索结果。
图10 Papers With Code网站论文查找结果页面
用户点击“Paper”按钮，即可打开对应论文的详情页面，看到论文摘要、论文作者等有关该论文的基本信息，并能够以PDF形式免费下载论文全文。
图11 Papers With Code网站论文详情页面
论文详情页面中的Code版块展示了实现该论文方法不同版本的GitHub源码。展示列表通常按照源码的“Star”数量降序排序，“Star”越多代表相应的源码质量越好。此外，每个源码都有注明其所用的AI框架。
图12 Papers With Code网站论文详情页面Code版块
-
领域研究进展查询
通过查询研究领域的关键字可以了解该领域最新的研究进展。在左上角的搜索框中输入你想要了解的研究领域关键字，如想要了解网络剪枝相关论文，只需在输入框中输入“network pruning”就可以看到与网络剪枝相关的“任务”“排行榜”及相应的论文，如图13所示。
图13 Papers With Code网站领域研究关键字查询
进入如图14所示的“任务”页面后，用户可以看到“网络剪枝”相关的定义、基准数据集、不同数据集下的最佳网络模型名称、相关论文及其实现代码。
图14 Papers With Code网站Task页面
用户点击列表右侧的“See all”按钮就可以查看该数据集下多个模型方法的对比排行榜，如图15所示。排行榜包括排名、所用模型、准确率、GFLOPs、参数量、方法、源代码、结果、发表的年份等字段。用户可以选择感兴趣的方法，点击打开相应的论文详情页面进行进一步了解和学习。
图15 Papers With Code网站Leaderboard页面
在“库”小节，用户可以通过表中所列的库查找网络修剪模型和实现。而在“数据集”小节，用户可以从数据集的角度查找相关论文和代码实现。相关论文可按“实现最多”“最热门”“最新”和“没有代码”进行展示，其界面如图16所示。
图16 Papers With Code网站任务详情页面
前往AI网址导航
