Papers with Code介绍

Papers with Code 是个搞AI研究的人基本都知道的网站。它的思路很简单：把论文和对应的代码绑在一起，省得你看了篇好论文，还得自己去GitHub大海捞针找实现。平台主要覆盖机器学习、计算机视觉、NLP、语音这些方向，NeurIPS、CVPR、ICML这些顶会的论文基本都有，而且大部分都附带了能跑起来的代码链接。整个站按任务分类，比如图像分类、目标检测、机器翻译，找东西比较顺手。

Papers with Code核心功能

  • 论文代码自动关联：从arXiv抓论文，自动匹配GitHub仓库。点进论文页面，代码链接、用的框架（PyTorch还是TensorFlow）、仓库Star数都摆在那儿，不用自己搜。

  • SOTA排行榜：每个任务下面有个 leaderboard，按数据集和指标排当前最好的结果，谁第一、谁第二一目了然。

  • 任务分类树：不是简单按关键词搜，而是把研究拆成任务-数据集-方法三层结构，想系统了解一个领域的话，顺着这个树往下翻就行。

  • 方法库：把各种模型方法（Transformer、GAN、Diffusion这些）单独拎出来汇总，方便你横向对比不同论文用的技术路线。

  • 趋势跟踪：首页有Trending，也能订阅邮件，某个领域出新论文了会推给你。

  • 热门论文与趋势发现：平台支持浏览热门 AI 论文，并按任务、方法和领域组织内容，方便快速了解某个方向最近在关注什么、谁在做、做到了什么程度。

  • 社区维护：研究者可以自己提交代码链接、补实验结果，内容不是完全靠机器抓，人工参与比较多。

Papers with Code应用场景

  • 研究生/博士生：找研究方向、复现baseline、对比自己实验和别人的差距

  • 算法工程师：调研工业界能落地的SOTA方案，看看性能指标和实现复杂度

  • 打比赛的人：查标准数据集和已有的 leaderboard，知道天花板在哪

  • 发论文的作者：把代码挂上去，增加曝光，也方便审稿人复现

  • 自学AI的人：想系统学某个方向，比如最近很火的Diffusion，顺着任务分类翻论文和代码，比盲目搜效率高

Papers with Code核心优势

  • 论文和代码绑在一起，复现省不少事

  • 排行榜按任务和数据集拆得很细，对比公平

  • 社区有人维护，内容更新快

  • 完全免费，API和客户端也不收钱

  • 只做AI领域，分类专业，不像通用搜索引擎那么杂

Papers with Code(图1)

Papers with Code使用教程

  1. 打开Papers with Code首页，看Trending或者从顶部导航进任务分类。

  2. 点"Tasks"进任务树，比如选Image Classification → ImageNet，看当前这个任务下的排行榜。

  3. 点论文标题进详情页，拿PDF、跳GitHub、看用的数据集和框架。

  4. 在 leaderboard 页面用筛选器对比不同模型或年份，观察指标变化。

  5. 需要批量操作的话，装个Python客户端pip install paperswithcode-client，写脚本自动拉数据。

Papers with Code与竞品对比

对比维度Papers with CodearXivSemantic ScholarGoogle Scholar
核心定位论文+代码+基准整合预印本论文库学术语义搜索通用学术搜索
代码关联强（自动匹配GitHub）无弱无
SOTA排行榜有（按任务/数据集细分）无无无
覆盖领域AI/ML为主全学科全学科全学科
社区贡献支持提交结果/代码仅论文提交无无
引用分析基础无强（引用图谱）强
PDF获取跳转arXiv直接下载跳转来源跳转来源

Papers with Code常见问题

Q：新版 paperswithcode.co 和原来有什么区别？

 新版由 Hugging Face 从零重建，核心变化是数据处理方式——部署了 AI 智能体自动解析论文，不再依赖纯人工维护，覆盖领域更全（如 Agent、Coding Agent）。

Q：Papers with Code这个网站要钱吗？

不要，全免费，论文、代码链接、排行榜数据随便看。

Q：怎么提交自己的论文或代码？

注册账号后，在论文页面可以补代码链接，也能按流程提交benchmark结果。

Q：只有AI领域的吗？

主要是机器学习、深度学习相关。其他学科比如生物医学、物理这些基本不覆盖。

Q：数据更新快吗？

跟arXiv和会议出版同步，新论文出来一般几天内就能搜到。

Q：如果一篇论文没有开源代码，上面能找到吗？

能，会标"暂无代码"，但论文本身和任务分类信息还是有的。