我是做 AI 研究的，经常为了确认一个实验设置，在几十篇 PDF 里来回翻。比方说我想知道某个方向常用哪些数据集、指标和训练方案，只能自己建表、自己比对。 但是，一篇论文动辄几十页，管线架构、算法模块、训练参数、算力消耗、表现指标和其他方法细节，都藏在正文、表格、图注和附录里。几千篇论文堆在一起，还没有目录：想找“用过同一组数据集、针对同一个 benchmark”的工作，只能手动翻，效率太慢了。 所以，借助自研的开源文档解析工具 Knowhere ，我把 AI 顶会论文批量整理为结构化数据，提取了关键实验参数，并在 🤗 Hugging Face 上开源了。已上线的 2023 年数据集覆盖 NeurIPS 、ICML 、ICLR 约 7300 篇论文，包含标题、摘要、作者、会议、研究主题、结构化内容摘要和语义向量，方便检索、筛选和发现相似论文。 需要的老哥可以自取： https://huggingface.co/datasets/JensCS/top-ml-conference-papers-2023 可能有些老哥不做科研这个方向，所以我先简单介绍一下数据集是干嘛的...