对于如何挑选baseline这个问题，我分享点自己的经验，仅供参考。

简单来说，重点在于筛选，看论文值不值得做、代码能不能跑、数据能不能拿、权重有没有、脚本齐不齐。

我自己也整理了几份配套资料：Baseline筛选检查清单、论文复现避坑清单，以及一批涨点论文。前两者可以拿来帮助你筛论文、查代码，而涨点论文很适合你Baseline跑通之后找改进思路，后面都会讲到。

下面进入正题：

一、论文本身怎么选

1.优先近两年CCF A会，不优先A刊。因为期刊周期长，25年发的文章可能是22年的工作，你改它容易像在考古。会议通常更新鲜，baseline也更接近当前SOTA。

2.必须真实开源。不开源的文章，复现成本极高；代码能力一般的话，就别硬刚了。而且更现实的是，没开源的可能只是故事会，你连它到底怎么跑的都不知道。

3.框架尽量简单。如果它本身已经叠了一堆模块，你再去二次创新，网络会复杂到逆天，创新点也容易被淹没。简单框架才好加自己的东西，也才好讲故事。

二、再看能不能跑起来

上面调研完了，也别急着配环境。因为在代码、数据和运行环境里会很容易踩坑。所以我一般会再做一次复现前检查。

这部分我自己也整理了一份论文复现避坑清单，主要就是把代码仓库里最容易漏看的地方列出来。建议正式配环境前先过一遍。

1.看star。过三位数基本稳，两位数看命：可能能跑，也可能坑。虽说star少不一定差，但踩雷概率高。

2.看issue。重点搜“目录缺失”“文件找不到”“数据下载不了”。如果有人提了，作者没修，你点进代码目录也真缺，直接放弃，别当赛博义工。

3.看dataset。一定点进去看所有数据集能不能直接下载，还是要邮件申请许可。下不了的数据集，直接换。

4.看model是否开源且可下载。只有代码没有权重，有时也能跑，但训练成本、复现难度会飙升。权重能下，幸福感翻倍。

5.看训练/验证指令和sh文件。README写得再热闹，不如看有没有完整可执行的脚本。没有sh、命令残缺、参数对不上，基本就是猜谜游戏。

三、最后总结

好baseline=新、开源、简单、能下、能跑。五个里缺太多，就换，别恋战。战略上也不能懒惰，如果找到一个baseline就立刻配环境，等于把命运交给issue区。一定要先花半小时做筛选，避免你后面花三天debug。

当然，Baseline能跑起来只是第一步。真正开始做论文以后，很多人又会卡在另一个问题：跑通了，然后呢？到底从哪里改？

这个时候我自己会去参考一些涨点论文，重点不是照抄具体方法，而是看别人通常从哪里动手：结构、特征、注意力、损失函数、训练策略……

所以我也整理了一批比较适合用来找改进思路的涨点论文，可以在Baseline跑通之后继续拿来参考。