过去几年发表于各大AI顶会论文提出的多种算法中，公开算法代码的仅占6%，其中三分之一的论文作者分享了测试数据，约54%的分享包含“伪代码”。这是今年AAAI会议上一个严峻的报告。人工智能这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。最根本的问题是研究人员通常不共享他们的源代码。
可验证的知识是科学的基础，它事关理解。随着人工智能领域的发展，打破不可复现性将是必要的。为此，PaperWeekly联手百度PaddlePaddle共同发起了本次论文有奖复现，我们希望和来自学界、工业界的研究者一起接力，为AI行业带来良性循环。
作者丨文永亮
学校丨华南理工大学
研究方向丨目标检测、图像生成
笔者这次选择复现的是LeastSquaresGenerativeAdversarialNetworks，也就是LSGANs。
近几年来GAN是十分火热的，由Goodfellow在14年发表论文GenerativeAdversarialNets[1]开山之作以来，生成式对抗网络一直都备受机器学习领域的
