Papers with Code升级：一站式掌握AI领域SOTA技术

全新界面整合950+机器学习任务、500+排行榜与8500+开源论文，助力研究者快速追踪最先进技术

新智元报道

来源：paperswithcode.com[k]

编辑：肖琴[k]

在人工智能研究中，及时掌握各任务的“最先进技术”（SOTA）至关重要。Papers with Code作为连接论文与代码的重要平台，近期完成重大升级，为研究者提供更系统、高效的资源检索服务[k]。

该平台整合ArXiv论文与GitHub代码，目前已索引约5万篇论文和1万个开源项目，支持按关键词、热度或GitHub星标数排序，帮助用户紧跟机器学习前沿动态[k]。

此次更新重点推出SOTA页面（https://paperswithcode.com/sota），从海量数据中提炼出950多个独立机器学习任务、500多个含SOTA结果的评估榜单以及8500多篇公开代码的论文，覆盖计算机视觉、自然语言处理、语音、医疗、机器人等16大领域[k]。

以“计算机视觉”为例，其下细分包括“语义分割”在内的数十项子任务。在语义分割板块，汇集299篇带代码论文和9个排行榜，支持按影响力（Greatest）、最新发布（Latest）等维度排序[k]。

语义分割是在像素级别识别和理解图像内容的任务[k]。

例如，ECCV 2018的Encoder-Decoder with Atrous Separable Convolution在PASCAL VOC 2012数据集上表现最佳；CVPR 2017的Pyramid Scene Parsing Network为Cityscapes实时分割SOTA；Mask R-CNN在MHP v1.0多人分割中排名第二[k]。

在自然语言处理领域，语言建模任务包含8个排行榜和221篇开源论文。结果显示，Transformer-XL在多个基准上处于领先地位[k]。

所有任务和SOTA数据均可编辑，便于开展发现性与对比性研究，挖掘潜在的研究方向与技术突破点[k]。

访问https://paperswithcode.com/sota，探索更多AI领域的前沿进展[k]。