Papers with Code

论文与代码对照平台，汇总机器学习论文及其开源实现和基准榜单，方便复现与对比研究。

机器学习领域的研究节奏极快，论文数量庞大，但“论文发表了却找不到代码”“代码能跑但结果对不上”是长期困扰研究者和工程师的两大痛点。Papers with Code 正是为解决这两个问题而生的平台，它把论文、开源代码和基准测试结果整合到同一索引下，让“复现”和“对比”从繁琐的检索工作变成一次搜索即可完成的动作。

平台核心功能

| 功能模块 | 具体作用 |

| --- | --- |

| 论文-代码映射 | 为每篇论文关联官方或社区实现的代码仓库（GitHub 为主），并标注实现语言与框架 |

| 基准榜单（SOTA） | 按任务（如图像分类、目标检测、机器翻译）汇总当前最优结果，附实现代码链接 |

| 任务导航 | 覆盖计算机视觉、NLP、强化学习、图神经网络等主要子领域，可快速定位某类任务的论文与代码 |

| 结果追踪 | 展示论文在标准数据集（如 ImageNet、GLUE）上的具体指标，支持跨论文对比 |

典型使用场景

• 复现研究：找到目标论文后，直接跳转代码仓库，省去在 GitHub 上盲目搜索的时间。
• 选型参考：在基准榜单中查看不同模型在相同数据集上的精度与速度，辅助技术选型。
• 调研追踪：通过“最新论文”和“趋势榜”了解近期高关注度研究，把握领域热点。
• 投稿前自查：确认自己的工作是否已在类似任务上达到可比结果，避免重复劳动。

内容来源与维护机制

• 论文数据主要来自 arXiv 的自动抓取，覆盖每日新发布论文。
• 代码链接由作者主动提交或社区用户补充，平台设有审核机制，但并非所有论文都有对应代码。
• 基准结果由论文作者或第三方复现者录入，平台标注结果来源，部分榜单允许提交新结果。

使用建议与注意事项

1. 优先查看带有“Official”标识的代码仓库，社区实现可能未完全对齐论文中的超参数。
2. 基准榜单中的指标受硬件、训练策略影响，直接横向对比时需确认评测条件是否一致。
3. 部分论文的代码链接可能失效，可结合 GitHub 站内搜索或论文页面的补充材料作为备选路径。

适用人群

• 需要快速复现基线方法的算法工程师
• 进行文献调研和实验对比的研究生
• 关注领域进展、需要持续跟踪 SOTA 的从业者

Papers with Code 的价值不在于替代 GitHub 或 arXiv，而在于将论文、代码、结果三者之间的关联显性化，减少科研流程中的信息检索成本。如果你经常在“读论文”和“跑代码”之间切换，可以将它作为日常工作的起始入口，而非最终依赖。

常见问题

Papers with Code 是什么？

论文与代码对照平台，汇总机器学习论文及其开源实现和基准榜单，方便复现与对比研究。

Papers with Code 的官方网站是什么？

Papers with Code 的官方网站是 https://paperswithcode.com，可直接在浏览器中打开使用。