NASPapers 项目亮点解析
2025-06-10 11:28:01作者:滕妙奇
一、项目的基础介绍
NASPapers 是一个开源项目,由 NiuTrans 团队创建和维护,旨在收集和整理从 2017 年到 2021 年发表的有关神经网络架构搜索(Neural Architecture Search,简称 NAS)的论文。这些论文涵盖了包括 ACL、IJCAL、AAAI、JMLR、ICLR、EMNLP、CVPR、UAI、ICCV、NeurIPS、ECCV、INTERSPEECH、ICML 在内的 13 个会议和期刊,几乎涵盖了 NAS 研究的所有方向。项目不仅提供了论文列表,还对论文进行了分类和整理,方便用户快速了解和查找相关资料。
二、项目代码目录及介绍
项目的代码目录结构清晰,主要包括以下几个部分:
README.md:项目的说明文档,介绍了项目的目的、内容和使用方式。LICENSE:项目遵循的许可协议,本项目采用 CC0-1.0 许可。NASPapers:包含论文列表和相关信息的目录,其中包括:statistics:统计信息,包括年度论文数量和类型分布等。short_list:精选论文列表,包含必须阅读的论文。long_list:详细论文列表,包含所有收集的论文。
三、项目亮点功能拆解
NASPapers 项目的亮点功能主要包括:
- 全面的论文收录:项目收集了来自多个知名会议和期刊的 NAS 领域论文,为研究人员提供了丰富的资料来源。
- 详细的分类整理:项目对论文进行了类型和任务的分类,方便用户根据需要快速定位感兴趣的内容。
- 代码链接提供:对于部分论文,项目提供了代码链接,有助于用户复现和理解论文中的算法。
四、项目主要技术亮点拆解
NASPapers 项目的主要技术亮点包括:
- 多维度分类:项目不仅按照类型进行分类,还根据任务进行了划分,使用户可以从不同角度了解 NAS 研究的全貌。
- 数据可视化:项目提供了论文数量的年度分布图、任务领域的分布图以及关键词云,直观展示 NAS 领域的研究趋势。
- 精选论文推荐:项目精心挑选了一些高引用次数的论文,并针对初学者推荐了一些易于理解的论文,方便不同层次的研究者使用。
五、与同类项目对比的亮点
相较于其他同类项目,NASPapers 的亮点在于:
- 资料全面性:NASPapers 收集了更全面、更广泛的 NAS 领域论文,提供了更丰富的信息资源。
- 分类精细:项目对论文进行了详细的分类,不仅包括类型和任务,还提供了论文的代码链接,使用户能够更深入地研究和学习。
- 更新及时:项目持续更新,关注最新的 NAS 研究动态,为用户提供了及时的研究资料。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92