想象一下，你是一位從事機器學習的研究者，需要持續瞭解最前沿研究進展；或者你希望將最前沿的機器學習研究應用於自己從事的領域。為此，當你在浩瀚無邊的論文海洋中暢遊時，你最需要的找到的是 SOTA 論文。
SOTA，全稱「state-of-the-art」，用於描述機器學習中取得某個任務上當前最優效果的模型。例如在影像分類任務上，某個模型在常用的資料集（如 ImageNet）上取得了當前最優的效能表現，我們就可以說這個模型達到了 SOTA。
那麼，怎樣才能高效找到 SOTA 論文呢？遺憾的是，經過多年的發展，現在依然沒有一個平臺能夠完整地彙總、整理、歸檔所有 SOTA 論文。在全世界最著名的論文預印發布平臺 arXiv 上，搜尋 SOTA 的結果也非常雜亂無章。此外，即使有類似於 GLEU leaderboard 之類的網站可以看到一些 SOTA 模型，但也只是機器學習龐雜體系下的一小部分。
在 arXiv 上搜尋 state-of-the-art 時，返回的結果會很多，但仍然不夠系統。想要知道達到了 SOTA 的論文是關於什麼任務、使用了什麼資料，需要點進去一一檢視。
機器之心作為專業的人工智慧資訊平臺，有著多年的學術資源積累。經過對大量資料的分類與彙總，機器之心再次上線新產品：SOTA模型。你可以根據自己的需要尋找機器學習對應領域和任務下的 SOTA 論文，平臺會提供論文、模型、資料集和 benchmark 的相關資訊。
訪問地址：www.jiqizhixin.com/sota
前沿研究觸手可及
在「SOTA模型」首頁，你可以直接搜尋技術任務，系統會立刻返回任務定義、取得 SOTA 的模型名稱、研究中最常用的模型和最熱門的資料集。
如果你繼續向下瀏覽網頁，就可以看到此技術任務下所有使用過的資料集和模型，並且可以按照資料或模型的型別進行篩選。
想知道歷史 SOTA？完整榜單送給你
當然，這還遠遠不夠。SOTA 是隨著時間變化的，如果我們想要看到歷史上取得過 SOTA 的模型和論文呢？
再往下拉頁面，就可以看到歷史上在該任務上取得過 SOTA 的榜單了。
你也可以點選「資料集」、「模型」或「Metrics」進行排序。
如果你對某個研究感興趣，可以展開詳情，檢視研究的出處論文。
某個 SOTA 研究的詳細資訊。可以點選「檢視詳情」閱讀論文
這樣一來，「SOTA模型」如同一個強大的論文搜尋引擎，為你直接尋找機器學習中各種各樣的 SOTA 研究。它不僅僅會告訴你是什麼研究，還會提供研究使用的資料集、模型、取得的 SOTA 指標數值，以及什麼時候取得的 SOTA 結果。
全面系統的知識點歸檔
當然，你可能是一位剛剛入門機器學習的初學者，對於機器學習中的各項任務不太清楚。這時候，「SOTA模型」會是你很好的入門學習夥伴。如下圖所示，「SOTA模型」首頁會提供各個機器學習子領域的入口。
以「計算機視覺」為例，你可以點選這一子領域，「SOTA模型」會提供這一領域的定義，並提供這一領域所涉及的基礎概念和技術方法。你可以根據需要選擇檢視。
而在這一頁的下方，「SOTA模型」提供了這一領域所有涉及到的任務。如邊緣檢測、人臉識別等。
這時候，你就可以知道是否有自己需要了解的機器學習任務了。你可以點開其中的任務檢視。對於一些非常火熱或成熟的研究領域，「SOTA模型」還提供了相關的活動、會議和期刊。
「人臉識別」任務下，提供了相關會議和期刊的資訊
海量知識庫加持的模型庫
能夠提供如此豐富的 SOTA 論文資訊，得益於機器之心背後強大的資訊平臺支援。在前幾個月，機器之心已上線了機器之心Pro，一個為企業、學者等各方提供專業人工智慧資訊服務的平臺。在 Pro 平臺上匯聚了海量機器學習相關資訊，為「SOTA模型」提供資料加持，使得「SOTA模型」能夠更進一步，提供最為前沿的研究領域 SOTA 資訊和系統的機器學習知識。
目前「SOTA模型」中已涵蓋 15 個機器學習領域大類，共計 127 個機器學習任務，共收錄 SOTA 論文 1174 篇，歸檔模型 2031 個，有記錄的資料集總數為 561 個。我們也將持續更新資料。
能夠囊括如此之多的資訊，離不開機器之心在機器學習領域的投入研究。為了提供 SOTA 論文的資料，「SOTA模型」投入了多資料來源的自動化爬蟲和資料清理工具，使用了機器學習和自動化工具，對特定型別的資料進行結構化處理、資料校驗和去重工作。在論文資料方面，使用了論文文字資料分析和資訊提取相關技術。
論文爆炸時代，更需要為讀者提供精準服務
每年，機器學習領域都會有大量的投稿論文，例如 2019 年的 CVPR 大會投稿數量就超過了 5000 篇，是 2018 年投稿數的兩倍。泥沙俱下的研究，增加了業內人士篩選優秀論文的成本。「SOTA 模型」產品的上線，標誌著機器之心資訊服務進入了新的階段。
接下來，「SOTA 模型」將會進一步完善內容，增加更多、更為清晰和完善的資料。如果在現有的版本中沒能找到自己想要的資料，稍安勿躁，我們近期也將會新增近一倍的資料。假期歸來，想要了解某個技術領域或者做專案需要查詢資源時，你就能用到。
同時我們也會提供更多的分析專案，並努力和機器之心現有的知識庫、新聞庫等模組關聯。產品也會根據使用者的需求提供更為精準完善的資料分類和推薦、資料對比和視覺化功能。
如果您在使用「SOTA 模型」過程中，有任何反饋，可以發郵件至sota@jiqizhixin.com溝通交流（請備註「SOTA模型反饋」）。