learning

推广推文声称仅需一篇文章即可学习状态机。

一项新的基准测试EgoBabyVLM挑战AI视觉语言模型，要求它们从婴儿头戴摄像头拍摄的视频中学习，结果显示当前的AI模型无法匹敌婴儿的学习效率，并表明类似婴儿的学习架构可能带来更高效的AI。

@TheAhmadOsman 发布的一条推文，指向一个学习AI内核工作原理的资源。

一条推文重点介绍了7个流行的GitHub仓库，供开发者通过构建真实项目来学习，包括Build Your Own X和Public APIs。

一个账号（@oprydai）自称是为学习各种机器人技术的人提供的资源，涵盖执行器、传感器、运动学、控制、ROS2、SLAM、无人机等领域。

本文讨论了AI中一种新的方法，其中记忆系统可以自主地自我重组，可能带来更具适应性和更高效的学习。

@aashatwt 在一系列推文中提供了成为 AI 原住民的逐步指南，涵盖如何理解 AI 基础知识、构建可复用技能，以及使用 Claude Code 和 Devin 等代理式编码工具。

gstack是一个拥有121k star的开源项目，由知名人物创建，值得学习；另一个类似项目gbrain是FDE岗位所需的工具箱。

一条推文分享了从头训练一个LLM如何帮助作者在AI面试中脱颖而出，并且自信地回答关于Transformer、微调和RAG的问题。

一篇观点性文章，探讨如何将间隔重复和闪卡（尤其是Anki）作为通用学习工具，反驳了常见于STEM领域的观点——认为它们仅适用于死记硬背。

本文提出了一种通用的神经符号推理与学习方法，将答案集编程与基于能量的模型框架进行模块化集成，支持连续潜空间中的联合优化和端到端训练。并在MNIST、CLEVR和MOT基准测试上展示了其应用。

@Franc0Fernand0 的一条推文建议工程师在跳进LeetCode刷题之前，先掌握12个基础数据结构和算法主题，建议每周学习一个主题。

一个快速 4 分钟指南，介绍什么是 WebSocket 以及为什么你可能需要在应用中使用它。

一个带Vim模式、为学习设计的简易Rust编辑器，作为开源图形界面编辑器发布在GitHub上。

一条列出前部署工程师所需基本技能和技术的推文，涵盖编程语言、系统设计、DevOps、AI/ML 框架等。

一位用户分享了在使用AI工具Fable时，通过识别自己的知识盲点来改进提示的方法。

一位开发者通过将核心组件重写为TypeScript，并在AI辅助下进行代码转换，将Kubernetes移植到浏览器中完全运行。该工具无需安装，专为学习、教学和面试准备而设计。

字节跳动 Seed 发布了 EdgeBench，这是一个基准测试，用于测试AI代理能否通过执行超过12小时的现实世界任务来从经验中提升，将评估从静态知识转向动态学习。

一种使用Obsidian和AI（Kimi、Claude、Gemini）将内容转化为相互关联的原子笔记、实现即时知识留存的方法，完整指南中有详细说明。

对日常爱好者与专业人士使用AI工具的反思，认为AI在用户已有基础知识时最有用，而完全初学者则容易受到自信的错误答案的影响。