NeurIPS Proceedings to oficjalne archiwum publikacji z konferencji Conference on Neural Information Processing Systems, wcześniej działającej pod nazwą NIPS. Zawiera pełne teksty artykułów od pierwszej edycji z 1987 roku. Poszczególne roczniki są publikowane jako kolejne tomy Advances in Neural Information Processing Systems. Archiwum obejmuje przede wszystkim recenzowane artykuły z głównej konferencji, a od 2022 roku również publikacje z Datasets and Benchmarks Track włączone do głównych proceedings. Rekordy artykułów zawierają abstrakt, PDF, dane BibTeX, a w nowszych rocznikach także DOI i często materiały dodatkowe.
Najlepsze do:
- szukania recenzowanych badań z machine learning i sztucznej inteligencji,
- wyszukiwania publikacji dotyczących deep learning, modeli generatywnych i dużych modeli językowych,
- szukania prac dotyczących reinforcement learning, uczenia reprezentacji i metod probabilistycznych,
- wyszukiwania badań z computer vision, NLP i systemów multimodalnych,
- szukania prac dotyczących optymalizacji, teorii uczenia maszynowego i generalizacji,
- śledzenia badań nad AI dla nauk przyrodniczych, zdrowia, biologii i nauk społecznych,
- wyszukiwania prac dotyczących datasetów, benchmarków i metod ewaluacji modeli,
- przeglądania rozwoju machine learning na przestrzeni kilku dekad; archiwum obejmuje proceedings od 1987 roku,
- pobierania oficjalnych wersji artykułów bez paywalla,
- korzystania z materiałów dodatkowych, jeśli zostały dołączone do publikacji; współczesne rekordy zawierają osobne odsyłacze do „Paper” i „Supplemental”,
- uzyskiwania gotowych danych BibTeX oraz DOI nowszych publikacji,
- prowadzenia szerszej kwerendy razem z OpenReview, arXiv, Proceedings of Machine Learning Research (PMLR), DBLP, Semantic Scholar, Google Scholar, JMLR, AAAI Proceedings i CVF Open Access. NeurIPS Proceedings daje oficjalne wersje zaakceptowanych prac, OpenReview pozwala często prześledzić proces recenzowania, arXiv pomaga znaleźć preprinty i nowsze wersje, a PMLR rozszerza kwerendę między innymi o ICML i AISTATS.
Na co uważać?
- NeurIPS Proceedings obejmuje wyłącznie publikacje związane z NeurIPS i nie daje kompletnego obrazu literatury z machine learning ani sztucznej inteligencji,
- wcześniejsza wersja artykułu może znajdować się w arXiv lub OpenReview i różnić się od finalnej wersji opublikowanej w proceedings,
- proces składania i recenzowania współczesnych prac odbywa się przez OpenReview, ale proceedings zawierają już oficjalne publikacje zaakceptowane na konferencję; przykładowo w procesie NeurIPS 2025 zgłoszenia w trakcie recenzji nie były początkowo publiczne,
- materiały warsztatowe NeurIPS nie są automatycznie częścią oficjalnych proceedings; organizatorzy konferencji wprost zaznaczają, że workshop papers są niearchiwalne i mogą być udostępniane osobno, np. przez OpenReview,
- poszczególne ścieżki mogą mieć różne kryteria recenzowania. Przykładowo position papers są oceniane inaczej niż prace przedstawiające nowe wyniki badawcze, choć zaakceptowane prace trafiają do proceedings,
- przy bardzo nowych tematach warto równolegle sprawdzić arXiv i OpenReview, ponieważ wyniki mogą pojawić się tam przed publikacją oficjalnego tomu,
- serwis nie jest bazą cytowań ani rozbudowanym narzędziem bibliometrycznym; do śledzenia cytowań i powiązań między pracami lepiej wykorzystać OpenAlex, Semantic Scholar lub Google Scholar.
Typ:
Pełnotekstowa platforma wydawnicza i archiwum recenzowanych materiałów konferencyjnych z machine learning i sztucznej inteligencji.
Dla kogo:
Studenci, doktoranci, naukowcy i specjaliści zajmujący się machine learning, sztuczną inteligencją, data science, computer vision, NLP, robotyką i pokrewnymi dziedzinami, a także osoby prowadzące przeglądy literatury dotyczące współczesnych metod uczenia maszynowego.
Zawartość:
Recenzowane artykuły konferencyjne publikowane w kolejnych tomach Advances in Neural Information Processing Systems. Archiwum obejmuje publikacje od 1987 roku. Od 2022 roku publikacje z Datasets and Benchmarks Track znajdują się w głównych proceedings; w 2021 roku track miał osobny tom. Współczesne rekordy zawierają tytuł, autorów, abstrakt, pełny tekst, BibTeX, DOI oraz opcjonalne materiały dodatkowe.
Pełny tekst:
Pełny tekst. Rekordy artykułów prowadzą bezpośrednio do pełnych publikacji. Współczesne rekordy zawierają również abstrakty, BibTeX i często materiały dodatkowe.
Dostęp:
Darmowe. Oficjalne proceedings i pełne teksty artykułów są dostępne publicznie bez subskrypcji i logowania. Autorzy zachowują prawa autorskie do swoich prac i udzielają NeurIPS niewyłącznej licencji na ich publikowanie i udostępnianie.