机器学习中的 baseline 是「参照物」的意思，baseline 论文最好是最近几年的。
举几个例子
- 如果你的论文的论点是「针对某系统作了改进，提升了性能」，那么 baseline 就应该是未改进的系统（相当于生物实验中的「对照组」），它与改进后的系统只有一处不同，这样才能下结论说你的改进就是提升性能的原因。如果你的论文的论点是「我提出的方法 A 比已有的方法 B 更好」，那么 baseline 就应该是方法 B，即使它跟方法 A 毫无关系。
- 当你选定了一个 baseline 系统后，如果你能联系上作者，索取到他的代码，就可以直接用作者的实现作为 baseline；如果联系不上，就只能自己复现。
- 你训练好一个分类网络，得到准确率，你想知道你的网络好坏，就需要一个baseline的网络去对比你训练好的网络。
- 如果你是参加比赛，那么主办方通常会主动提供 baseline 系统。你可以在它的基础上做修改，也可以另起炉灶重新实现自己的系统。
- 现实生活中，你说你跑的很快，那你得和别人对比是吧。
