Neustart der Forschungsdokumentation mit Papers With Code 2

Die Landschaft der Künstlichen Intelligenz (KI) und des Machine Learnings (ML) ist durch eine rasante Entwicklung und eine stetig wachsende Anzahl von Forschungsarbeiten gekennzeichnet. In diesem dynamischen Umfeld hat sich die Notwendigkeit einer zentralen Anlaufstelle für die Dokumentation und den Austausch von Forschungsergebnissen als entscheidend erwiesen. Eine solche Plattform, „Papers with Code“, die einst als zentrale Ressource für ML-Benchmarks, SOTA-Ergebnisse und verknüpfte Code-Implementierungen diente, wurde im Juli 2025 von Meta eingestellt. Diese Entwicklung führte zu einer Diskussion über die Nachhaltigkeit von Forschungsinfrastrukturen, die von kommerziellen Unternehmen betrieben werden.

Die Herausforderung nach der Einstellung von „Papers with Code“

„Papers with Code“ war seit seiner Gründung im Jahr 2018 eine wichtige Infrastruktur für die ML-Community. Die Plattform sammelte Studien aus verschiedenen Quellen und fungierte als zentrale Anlaufstelle für Benchmarking-Forschung in Form von Leaderboards. Sie unterstützte zudem die Open-Science-Bewegung, indem sie wissenschaftliche Arbeiten mit ihrem Quellcode veröffentlichte. Nach der Übernahme durch Facebook AI (heute Meta) im Jahr 2019 wurde die Verpflichtung betont, die Plattform als neutrale, offene und kostenlose Ressource zu erhalten. Trotz dieser Zusicherung wurde die Website im Juli 2025 ohne Vorankündigung abgeschaltet. Die Domain leitete fortan auf „Hugging Face Trending Papers“ weiter, und die umfassenden Leaderboards sowie die Verknüpfungen von Paper zu Code gingen verloren.

Die Einstellung von „Papers with Code“ verdeutlichte die Anfälligkeit digitaler Infrastrukturen, die von Unternehmensentscheidungen abhängen. Die Community reagierte mit der Archivierung historischer Daten auf GitHub und anderen Plattformen, jedoch ging die integrierte Nutzererfahrung verloren. Dies führte zu einer verstärkten Forderung nach unabhängigen und nachhaltigen Lösungen für die Dokumentation von ML-Forschung.

„Papers With Code 2“: Ein Neuanfang für die Forschungsgemeinschaft

Als Reaktion auf diese Entwicklung wurde eine Initiative zur Wiederbelebung des Konzepts von „Papers with Code“ ins Leben gerufen, bekannt als „Papers With Code 2“. Diese neue Plattform, die unter der Leitung von Niels Rogge vorgestellt wurde, zielt darauf ab, die ursprüngliche Vision einer umfassenden Ressource für ML-Forschung wiederherzustellen und zu erweitern. Der Ansatz von „Papers With Code 2“ basiert auf mehreren Kernprinzipien:

Umfassende Abdeckung über LLMs hinaus

Die Plattform strebt an, State-of-the-Art-Ergebnisse (SOTA) nicht nur für Large Language Models (LLMs) zu erfassen, sondern für eine breite Palette von Domänen. Dies beinhaltet Bereiche wie Computer Vision, Natural Language Processing, Robotik, Audio und viele andere. Ziel ist es, Forschenden einen Überblick über die besten Modelle und Methoden in ihrem jeweiligen Fachgebiet zu bieten.

Transparente Leaderboards und Methoden

Ein zentrales Element von „Papers With Code 2“ sind die Leaderboards, die eine klare und nachvollziehbare Rangliste der besten Modelle für spezifische Aufgaben und Datensätze bieten sollen. Dazu gehört auch die detaillierte Dokumentation der verwendeten Methoden, um die Reproduzierbarkeit der Ergebnisse zu gewährleisten. Jedes Ergebnis soll mit einem Veröffentlichungsdatum und einem Verifizierungsdatum versehen werden, um die Transparenz zu erhöhen und Regressionen sichtbar zu machen.

Skalierung durch KI-Agenten

Um die riesige und ständig wachsende Menge an Forschungsdaten effizient verarbeiten zu können, setzt „Papers With Code 2“ auf den Einsatz von KI-Agenten. Diese Agenten sollen dabei helfen, Papers, Leaderboards und Methoden in großem Maßstab zu parsen und zu organisieren, um die Plattform aktuell und umfassend zu halten.

Community-Reaktionen und Perspektiven

Die Ankündigung von „Papers With Code 2“ hat in der Forschungsgemeinschaft positive Resonanz hervorgerufen. Die Notwendigkeit einer solchen Plattform wird weithin anerkannt, um den Fortschritt in der KI-Forschung zu unterstützen und die Zusammenarbeit zu fördern. Erste Rückmeldungen zur frühen Version der Plattform betonen jedoch auch Bereiche für Verbesserungen. Beispielsweise wurde die detailliertere Kategorisierung von Aufgaben, insbesondere im Bereich der Objekterkennung, als wünschenswert hervorgehoben. Dies deutet auf die Komplexität hin, die Vielfalt der ML-Forschung adäquat abzubilden und gleichzeitig eine benutzerfreundliche Struktur zu gewährleisten.

Die Entwicklung von „Papers With Code 2“ steht im Kontext einer breiteren Diskussion über die Rolle von unabhängigen, gemeinschaftsgetriebenen Infrastrukturen im wissenschaftlichen Ökosystem. Während kommerzielle Anbieter oft schnell innovative Lösungen bereitstellen können, zeigen Ereignisse wie die Einstellung der ursprünglichen „Papers with Code“-Plattform die Notwendigkeit von Alternativen, die auf Langfristigkeit und Unabhängigkeit ausgelegt sind. Initiativen wie Codesota, die ebenfalls als unabhängiges Register für ML-Benchmarks fungieren, unterstreichen diesen Trend. Codesota legt beispielsweise Wert auf eine strenge Verifizierung von Ergebnissen und eine append-only-Mentalität, bei der keine Ergebnisse stillschweigend gelöscht werden, um die Integrität der Daten zu gewährleisten.

Zukunftsaussichten und die Rolle von KI-Tools

Die Wiederbelebung von „Papers with Code“ durch „Papers With Code 2“ ist ein Beispiel dafür, wie die KI-Community auf Herausforderungen reagiert, um den freien Zugang zu Wissen und die Reproduzierbarkeit von Forschung zu sichern. Die Integration von KI-Agenten zur Datenverarbeitung in großem Maßstab könnte dabei eine Schlüsselrolle spielen, um die Plattform nachhaltig und aktuell zu halten. Für B2B-Zielgruppen, die sich mit der Implementierung und Anwendung von KI-Technologien befassen, bieten solche Plattformen einen unverzichtbaren Überblick über den aktuellen Stand der Technik und ermöglichen fundierte Entscheidungen bei der Auswahl von Modellen und Methoden.

Die kontinuierliche Weiterentwicklung und die aktive Beteiligung der Community werden entscheidend sein, um „Papers With Code 2“ zu einer robusten und zuverlässigen Ressource für die globale ML-Forschung zu machen. Der Fokus auf Transparenz, Reproduzierbarkeit und eine breite Abdeckung von Domänen ist dabei von grundlegender Bedeutung für den Fortschritt in der Künstlichen Intelligenz.

Bibliography: - Papers With Code 2 | ML Benchmarks, SotA Results & Code. URL: https://paperswithcode2.com/ - About Codesota — an independent registry of ML benchmarks | CodeSOTA. Author: Kacper Wikiel. URL: https://www.codesota.com/about - Papers with Code is Dead — Best Alternatives 2026 by Use Case | Codesota | CodeSOTA. Author: Kacper Wikiel. URL: https://www.codesota.com/papers-with-code - paperswithcode/paperswithcode-data. Published Date: 2019-01-31T15:23:49.000Z. URL: https://github.com/paperswithcode/paperswithcode-data - World-Snapshot/papers-with-code. Published Date: 2025-07-26T02:40:59.000Z. URL: https://github.com/world-snapshot/papers-with-code - “Papers with Code” went offline, the knowledge doesn’t have to - TIB-Blog. Author: Lauren Snyder. URL: https://blog.tib.eu/2025/10/02/papers-with-code-went-offline-the-knowledge-doesnt-have-to/ - Papers with Code Trending Papers (April 2026) — Recent ML Research with Sourced Scores | Codesota | CodeSOTA. Author: Kacper Wikiel. URL: https://www.codesota.com/papers-with-code/trending - https://paperswithcode.com now redirects to huggingface. · Issue #116 · paperswithcode/paperswithcode-data. Author: Dereklvlv. URL: https://github.com/paperswithcode/paperswithcode-data/issues/116 - Papers with Code API: What Replaced It (April 2026) | Codesota | CodeSOTA. Author: Kacper Wikiel. URL: https://www.codesota.com/papers-with-code/api - PapersWithCode Alternatives List · Issue #122 · paperswithcode/paperswithcode-data. Author: mickrideout. URL: https://github.com/paperswithcode/paperswithcode-data/issues/122