免費查找AI最優(yōu)論文神器：一鍵出結果，分分鐘提取論文表格、最新數(shù)據(jù)

白交 2020-07-13 18:42:02 來源：量子位

白交 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

機器學習越來越火了，感覺不學習都趕不上時代的步伐了。

可是看論文又沒有方向，費時費力，也許還要費錢。

而且機器學習的論文真不是一般的多。

Google AI大牛、谷歌大腦負責人Jeff Dean，就曾經過精密計算后得出了一個數(shù)據(jù)：平均每一天，全世界都會產生100篇機器學習新論文。

這還只是一年前的結果。

那如何在這個茫茫論文之海里找到最佳論文呢？

相信很多干貨里都提到了這樣一個網(wǎng)站，號稱“AI所有領域最優(yōu)資料查找神器”——Papers with Code。

而且現(xiàn)在，Papers With Code迎來了大更新，還登上了Reddit熱榜，網(wǎng)友紛紛表示：太棒了！

現(xiàn)在網(wǎng)站上有超過2500多個排行榜和20,000多個論文結果。

此外，結果現(xiàn)在可以直接鏈接到arXiv中的表格，只需要輕輕一點result，就能夠提取出論文結果來。

話不多說，我們就來一睹為快。

查論文神器大更新

此次更新，主要是由三個方面，一個新的result界面，自動化結果提取，大數(shù)據(jù)庫更新。

首先是，一個新的result界面，該界面將結果直接鏈接到arXiv論文中的原始表格。

就比如，我們看到這個ImageNet排行榜，單擊下面其中一行的result，就可以直接鏈接到論文中的表格，是不是更加直觀清晰？

此外，這樣的新界面還充當了新論文的結果編輯器，用戶可以在社區(qū)直接添加論文的結果，這樣將直接鏈接到內部表格。

需要注意的是，這個界面目前僅適用于帶有LaTex源的arXiv論文。

接著，就是自動化結果提取。

該公司在過去一年中就致力于研究從機器論文學習中自動提取結果。

現(xiàn)在就有了一個新的人機交互系統(tǒng)，用于生產中的結果提取。我們的模型可以為每一篇arXiv ML論文生成人類可以接受或拒絕的建議。通過顯著提高性能，使這一系統(tǒng)在實際應用上比之前的最先進的系統(tǒng)更加可行。

目前已經在arXiv上發(fā)布了相關方法，并在GitHub上開源，還發(fā)布了一個結構化的注釋數(shù)據(jù)集，用于訓練模型的結果提取，以及評估模型在此任務上的性能的數(shù)據(jù)集，以期以后更好的優(yōu)化。

此外，資源數(shù)據(jù)也得到了很大的擴展，截至目前，網(wǎng)站已經有了800多個新的排行榜以及5500多個新的結果。所有的數(shù)據(jù)都已經獲得了免費的開放數(shù)據(jù)許可，并且也可以在此處下載JSON格式的數(shù)據(jù)。

關于Papers with Code

Papers with Code成立于2018年7月，初衷是希望能夠幫助機器學習的愛好者跟蹤最新發(fā)布的論文及源代碼，快速了解最前沿的技術進展。

網(wǎng)站廣泛涉及ML各個領域，包括CV、NLP、醫(yī)療、語音、游戲、時序、音頻、機器人、音樂、推理、計算機代碼等方面的內容。

網(wǎng)站所有內容都是可編輯和版本化的。

首頁上就有直觀的索引。

而在每個領域下方，不僅有論文排名，以及與此連接的代碼。

網(wǎng)站將 arXiv 上最新的機器學習論文與 GitHub 上的代碼對應起來，讓用戶可以按標題關鍵詞查詢，或者按流行程度、GitHub 收藏數(shù)排列「熱門研究」。

我們就以CV為例。

計算機視覺就分了五個小類，語義分割、影像分類、物體檢測、影像生成、去噪。

點擊語義分割這一類，首先是對語義分割的一個簡短介紹，接著就是論文排行榜。

點擊你所想要看的論文及代碼，可以啦！

Papers with Code 網(wǎng)站背后的公司名為 Atlas ML，位于英國倫敦，創(chuàng)始人為 Robert Stojnic 和 Ross Taylor。

創(chuàng)建者之一 Robert Stojnic 在 2012 年于劍橋大學取得計算生物學博士學位。2018 年 7 月創(chuàng)辦 Atlas ML 及網(wǎng)站 Papers with Code，目前擔任 Atlas ML 的 CEO 職位。

Ross Taylor 在 2014 年于劍橋大學取得經濟學碩士學位，畢業(yè)后曾在金融行業(yè)從事軟件開發(fā)和機器學習模型設計等工作，2018 年聯(lián)合創(chuàng)辦 Atlas ML，目前擔任 CTO一職。

而就在去年年末，創(chuàng)立僅一年多的 Papers with Code宣布正式并入?Facebook AI?，不過雙方繼續(xù)保持其平臺獨立性，相關服務、社區(qū)和網(wǎng)站的運行及互動方式都不會改變。

One more thing

介紹了這樣一個優(yōu)質的資源網(wǎng)站以后，也許你還想問，那如何看論文呢？

此前，我們發(fā)表了一篇由清華本科特獎學生高天宇的干貨分享，其中他就有提到怎么查找論文，研究論文的小秘訣。

首先，對論文進行分類：

對于與自己當前課題相關的論文，需要有一個全面的把握，對每一篇都應有所了解。

一方面，這些研究本身與你的研究非常相關；另一方面，在“撞題”的情況下，你正在做的項目可能已經被別人率先突破。

而別的子領域及其他領域論文，對于你當前的研究沒有太大啟發(fā)，可以略過。但如果有對整個研究領域存在指導意義或者取得重大突破和成果，那就需要認真研讀和總結。

針對標題，高天宇還提出了水文第一定律。

標題越長，是水文的概率越大。標題越短，往往干貨越多。

此外，還分享了文獻管理工具，以及如何看論文等小技巧，想看的可以戳下方鏈接哦！

另外，如果你也有什么查看文獻各類神器，也歡迎跟我們分享~

參考鏈接：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

清華本科特獎高天宇干貨分享：

https://mp.weixin.qq.com/s/iaNTQ5WnLIpqNlytGa7N4g