Saltar al contenido
Conjunto de datosIntermedio

Datasets de Papers with Code

Papers with Code enlaza datasets de referencia de papers académicos con sus modelos de última generación y implementaciones de código abierto, facilitando comparar métodos, reproducir resultados y encontrar el dataset y baseline de código adecuados para tu investigación.

Descripción general

"Datasets de Papers with Code" es un recurso de tipo "Conjunto de datos" seleccionado por AI Resource Hub, clasificado en la categoría Datasets y adecuado para estudiantes de nivel Intermedio. Lo proporciona Papers with Code, se actualizó por última vez el 2026-06-20 y tiene una puntuación editorial de 4.7/5 de nuestro equipo. Haz clic en "Visitar recurso" a la derecha para abrir la página original.

Nuestro veredicto

Papers with Code sigue siendo la primera parada para quien necesita saber cuál es el estado del arte — y demostrarlo. Sus páginas de dataset vinculan cada benchmark con los papers y el código detrás de las cifras, lo que facilita comparar métodos y reproducir resultados mucho más que rebuscar en arXiv. La contra: es orientado a investigación, la cobertura se inclina a tareas de benchmark populares y los datasets no siempre están listos para producción. Para baselines de investigación, empieza aquí; para datos en producción, busca en otro lado.

Etiquetas

Conjuntos de datosArtículosReferenciasSOTA

Características clave

  • ▹Datasets vinculados a papers y benchmarks
  • ▹Clasificaciones del estado del arte
  • ▹Referencias de investigación reproducible

Ideal para

  • ▹Vincular papers con código y resultados de leaderboards
  • ▹Reproducir baselines publicados antes de construir
  • ▹Encontrar datasets de benchmark por tarea

No ideal para

  • ▪Alojamiento productivo: enlaza, no aloja
  • ▪Resultados muy recientes aún sin listar

Ventajas

  • +Perfecto para encontrar datasets de benchmark
  • +Ligado a papers y código reales
  • +Vincula datasets con los papers y el código que los usan

Desventajas

  • −Orientado a investigación: no siempre listo para producción
  • −Orientado a investigación, no siempre listo para producción
  • −La cobertura se inclina a tareas de benchmark populares

Preguntas frecuentes