交互式可视化论文
文章内置可交互图表与动态演示，读者能直接操作模型或数据的可视化结果，而不只是阅读静态配图。
价格官网未标价
平台Web
归类论文与学术
收录2026-07-10
复核2026-07-10
编辑评分
4.2 / 5
★★★★☆
Distill编辑总结
Distill 是一本聚焦机器学习研究的在线期刊，以交互式图表和可视化解释见长，文章类型涵盖同行评审论文、评论（Commentary）和主题讨论串（Thread）。平台运营五年后于 2021 年 7 月发布公告进入休刊状态。上线期间发表了包括《A Gentle Introduction to Graph Neural Networks》《Multimodal Neurons in Artificial Neural Networks》等代表性文章，每篇论文标注作者、机构与 DOI。官网未公开投稿费用与审稿周期等运营信息。
Distill是什么？
Distill 是一本以机器学习为研究对象的开放式在线期刊，定位介于学术论文与科普文章之间，强调用可交互的可视化来解释神经网络内部机制。文章由研究者、工程师和可视化专家共同撰写，作者所属机构在文章页中一一列出。
平台的文章分为几类：同行评审论文（Peer-reviewed）、评论（Commentary）、主题讨论串（Thread）和编辑部文章（Editorial）。文章页会标注发布时间、DOI 编号与作者机构，典型的 DOI 形如 10.23915/distill.00022。五年运营期间积累了一批可视化解释类研究，例如图神经网络入门、神经网络多模态神经元、特征归因基线可视化等。
普通读者可以从入门综述类文章了解图神经网络等概念，研究者可以按 DOI 引用具体论文，可视化与可解释性方向的从业者则常参考其中关于归因方法、循环网络记忆可视化等主题的交互式演示。
Distill核心功能
同行评审机制
文章标注 Peer-reviewed，由领域研究者评审后发布，作者、所属机构与 DOI 在文章页一并列出。
多类型内容形态
除同行评审论文外，还有 Commentary 评论、Thread 主题讨论串与 Editorial 编辑部文章，覆盖不同深度与体裁。
DOI 可引用
每篇论文分配 DOI 编号，例如 10.23915/distill.00022，便于在学术写作中正式引用。
官方说明 ↗图神经网络专题
2021 年 9 月连续发布《Understanding Convolutions on Graphs》与《A Gentle Introduction to Graph Neural Networks》两篇图神经网络入门文章。
可解释性研究
覆盖特征归因基线、循环网络记忆可视化、强化学习视觉归因等方向，提供可复现的交互式分析。
Distill适合谁用？
机器学习研究者
推荐需要引用可视化解释类论文、关注归因方法与可解释性进展的研究者，可按 DOI 直接引用文章。
可解释性方向从业者
推荐工作中需要理解特征归因、基线选择、模型内部机制的人群，交互式图表比静态论文更直观。
想学图神经网络的入门者
推荐2021 年发布的两篇图神经网络入门文章从基础组件讲到设计选择，适合作为系统性入门材料。
需要持续投稿的作者
不推荐官网已发布休刊公告，平台处于停更状态，无法作为持续发表渠道。
Distill优点和缺点
优点
- 文章内置交互式图表，可视化解释神经网络机制比静态论文直观
- 同行评审文章标注作者机构与 DOI，可按学术规范引用
- 2021 年两篇图神经网络入门文章覆盖基础组件与设计选择，适合系统学习
缺点
- 2021 年 7 月发布休刊公告，平台已停止更新
- 审稿周期等运营信息
- 内容偏可解释性与可视化方向，覆盖面有限
Distill常见问题
Distill 现在还在更新吗？＋
2021 年 7 月 2 日，编辑部发布《Distill Hiatus》公告，宣布运营五年后进入休刊状态。
Distill 上的文章能引用吗？＋
可以。文章页会标注 DOI，例如《Visualizing the Impact of Feature Attribution Baselines》的 DOI 为 10.23915/distill.00022，同时列出作者与所属机构，可按学术规范在论文中引用。
Distill 的文章有哪些类型？＋
主要有四类：同行评审论文（Peer-reviewed）、评论（Commentary）、主题讨论串（Thread）和编辑部文章（Editorial）。例如《Open Questions about Generative Adversarial Networks》属于 Commentary，《Thread: Circuits》属于 Thread，《Distill Hiatus》属于 Editorial。
Distill 和图神经网络有什么关系？＋
2021 年 9 月 2 日，平台发布了两篇图神经网络相关的同行评审文章：《Understanding Convolutions on Graphs》讲解图神经网络的基础组件与设计选择，《A Gentle Introduction to Graph Neural Networks》介绍构建图学习算法所需的组件。
Distill竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Distill本工具 | 4.2 | 未标价 | 交互式可视化论文；同行评审机制；多类型内容形态；DOI 可引用 | Web |
| J-STAGE | — | 未标价 | 日本科学与技术期刊平台，超2... | Web / API |
| eLife | — | 未标价 | 生命科学领域的开放获取期刊 | — |
| OpenAI Prism | — | 未标价 | OpenAI 推出的 AI 原生科研协作平台 | — |
| Hortonworks | — | 官网未公开具体定价与免费额度 | 致力于开发、销售和支持适合企业的开放式数据平台和现代数据应用 | Web / API |
| Eigenfactor | — | 未标价 | 特征因子运用来自所有 JCR 的引文期刊数据，通过把学术文献看成期刊与期刊之间关系的网络，来 | — |
