books

据报道，人工智能公司正在批量购买稀有书籍，通过切割书脊并粉碎原本来进行扫描，这项操作由名为ISBNdb的服务提供便利，引发了道德担忧。

作者认为，AI（尤其是Facebook和Google的算法）加剧了美国的政治两极分化，并预计这一趋势将在未来15年持续，同时引用了多本关于AI风险的书籍。

一篇1997年的教程，解释了如何使用sed和sort从原始术语-页码列表中为书籍创建格式化索引。

一篇个人随笔，反思精心策划的高质量非虚构书籍作为低质量AI生成内容的反衬，感叹传统图书馆浏览的衰退和AI垃圾内容的兴起。

ReadKinetic 是一个免费的、本地优先的速读器，可与你自己的书籍配合使用。

AI公司正在购买2022年之前出版的印刷书籍，以避免训练数据中出现AI生成文本，因为旧书保证没有AI垃圾和污染。ISBNdb在保密协议下向AI实验室提供批量图书采购服务。

Kent C. Dodds 分享了 Rasmic 的见解，即旧工程书籍可以帮助引导那些编写代码的AI代理。

精心整理的书籍、讲座和在线课程列表，用于为人工智能和机器学习打下数学基础，包括《Machine Learning 数学》和Khan Academy课程等热门资源。

Stas Bekman 正在撰写关于机器学习工程和调试的书籍，并想知道社区是否会阅读它们，同时指出这些书可以成为AI的技能文档。

一位资深开发者维护的Awesome LLM Books精选书单，收录22本高质量LLM相关书籍，覆盖从入门到进阶的核心学习路径，附有详细评分和链接。

2026年AI工程师职位数量激增143%，并列出了一些推荐的免费书籍。

一条推文分享了一个Google Drive文件夹，里面包含书籍，声称这些书可以帮助取代Claude AI。

一份为2026年AI工程师精心挑选的10本书单，分为三个层次（基础、核心、高级），涵盖Python、软件工程、AI素养以及生产系统。

精选提供无DRM图书的作者，含样章与下载链接，以及寻找更多无DRM及公有领域电子书的资源。

一条推文分享了 Brendan Gregg 精选的推荐书单，涵盖系统性能、语言性能、数据库性能及其他计算机科学领域。

一条推特线程，列出了十大系统设计资源，包括书籍、博客和框架，并附有Martin Fowler网站的链接以供进一步阅读。

一份严肃AI研究人员真正推荐的10本书单，内容涵盖概率论、信息论、强化学习、认知科学等领域，比流行书单提供更深刻的见解。

一条推荐阅读CUDA书籍最佳顺序的推文，从《CUDA by Example》开始建立直觉，然后再深入更高级的文本。

AI生成的书籍数量在短短三年内激增，突显了出版业的重大趋势。

一篇个人反思，讲述了为什么偏爱2022年前的书籍，因为那些书是在没有AI辅助的情况下创作的，并对LLM时代人类努力的价值提出了质疑。