这是什么?
一个精选的机器学习研究论文 GitHub 阅读清单：每一条都把论文 PDF 和一个开源实现的链接配对，并显示该实现的 star 数。不需要安装或运行任何东西。
一个精选的机器学习研究论文 GitHub 阅读清单：每一条都把论文 PDF 和一个开源实现的链接配对，并显示该实现的 star 数。不需要安装或运行任何东西。这是一个论文索引，还是它本身就托管代码?只是一个索引。这个仓库就是一组 markdown 表格，每一行是一篇论文的标题（链接到 PDF），外加会议名称、一个指向单独实现仓库的代码链接，以及它的 star 数。
只是一个索引。这个仓库就是一组 markdown 表格，每一行是一篇论文的标题（链接到 PDF），外加会议名称、一个指向单独实现仓库的代码链接，以及它的 star 数。这个清单还在更新吗?不更新了。仓库描述里写明已不再维护，最后一次推送是 2020 年 1 月，所以把它当作 2016 到 2019 年左右研究的一个快照来看。
不更新了。仓库描述里写明已不再维护，最后一次推送是 2020 年 1 月，所以把它当作 2016 到 2019 年左右研究的一个快照来看。哪些人能真正从这个清单里受益?想要复现或复用模型、而不是从零开始实现论文的研究人员和从业者。通过 star 数可以看出社区真正信任哪些实现。
想要复现或复用模型、而不是从零开始实现论文的研究人员和从业者。通过 star 数可以看出社区真正信任哪些实现。这个清单涵盖哪些会议?计算机视觉领域的 CVPR、ICCV 和 ECCV，以及机器学习领域的 ICML 和 NIPS；表格里能看到的行主要来自这些会议 2016 到 2018 年的届次。
计算机视觉领域的 CVPR、ICCV 和 ECCV，以及机器学习领域的 ICML 和 NIPS；表格里能看到的行主要来自这些会议 2016 到 2018 年的届次。我怎么为一篇论文找到能用的实现?找到那篇论文所在的行，点开它的代码链接。对比各行之间的 star 数，就能优先找到最受欢迎、经过实战检验的实现。
找到那篇论文所在的行，点开它的代码链接。对比各行之间的 star 数，就能优先找到最受欢迎、经过实战检验的实现。为什么要给论文配上代码?只看 PDF 来复现结果既慢又容易出错；有了配套实现，你就能验证论文的说法，并立刻在模型的基础上开始开发。
只看 PDF 来复现结果既慢又容易出错；有了配套实现，你就能验证论文的说法，并立刻在模型的基础上开始开发。What are similar projects?figures4papers, CVPR2026-Papers-with-Code, WholebodyVLA, transferlearning, awesome-rsi, the-gan-zoo, deep_learning_object_detection, awesome-deep-learning-papers
figures4papers, CVPR2026-Papers-with-Code, WholebodyVLA, transferlearning, awesome-rsi, the-gan-zoo, deep_learning_object_detection, awesome-deep-learning-papersWhich topics is it in?cvpr, code, papers, collection, paper, reference, deprecated, computer-vision, learning, list, markdown, curated-list
cvpr, code, papers, collection, paper, reference, deprecated, computer-vision, learning, list, markdown, curated-list