learning

解释了Karpathy的reader3方法，该方法利用LLM作为私人导师，帮助读者逐章主动阅读，通过总结、问答和笔记，将被动阅读转化为持久理解。

反思使用ChatGPT和Claude等AI工具，究竟是真正提升了技能，还是因为过度依赖捷径而削弱了基础能力，并将这一现象与计算器和搜索引擎进行类比。

Vim Scoops 是一款免费的互动网页游戏，通过驾驶冰淇淋车穿越小镇、使用键盘命令到达顾客的方式，教授Vim动作。它提供了一种有趣且实践性强的方法来学习Vim的移动键和编辑命令。

一门结构化的斯坦福课程被分享，涵盖transformer和LLM概念，不将其视为黑箱。

一条推文，推广一个关于理解Webhook的5分钟快速教程，针对那些善于随性编程但缺乏这一基础知识的开发者。

Mojo Quest 是由 Modular 推出的一款基于浏览器的游戏，旨在通过为一家虚构的机器人公司完成工程工单来帮助用户学习 Mojo 语法。

Matt Dancho建议专注于2个有意义的AI数据科学项目，而不是10个，并为初学者提供了一个起点。

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。

ParamSiddh 提出的专门为机器学习从头学习数学的路线图。

Decomp Academy 是一个交互式在线平台，教会用户如何通过编写字节匹配的 C 代码，针对 2001 年 MWCC 编译器生成的真实 PowerPC 汇编输出来反编译 GameCube 游戏。

一条推文分享了一个洞见：在数学、编程或硬技能上遇到困难，通常是因为缺少前置知识，而不是缺乏天赋，从而鼓励学习者填补这些空白。

推荐斯坦福公开课程CS336: Language Modeling from Scratch，该课程从零开始系统讲解语言模型的训练全流程，适合准备AI面试或想深入学习LLM的人。

分享两种Claude Hook的用法：被动观察记录工具调用日志，以及主动干预实现学习模式状态机。强调Hooks作为硬约束比提示词更可靠。

列举10个用于学习后端开发的项目，包括通知系统、视频处理队列和搜索自动完成等。

推荐10个免费的AI学习资源，包括3Blue1Brown、Karpathy的课程、Andrew Ng的周刊、播客、Kaggle和Hugging Face等，声称30天可学到比付费速成营更多的内容。

推荐一个名为 Seeing Theory 的交互式可视化网站，帮助用户直观理解概率统计的核心概念，涵盖基础概率、分布、推断和回归等内容，适合初学者和复习者。

Santiago Valdarrama 分享了一个构建 AI 智能体的框架，该框架通过三个学习领域（模型优化、工具链优化和上下文积累）来让智能体随时间不断改进，并强调了从用户修正中学习的重要性。

Nathan Lambert宣布他的目标是创建一个学习RLHF后训练的综合枢纽，包括书籍、讲座、代码和社区资源。

推荐阅读 Papers with Code 上被引最多的论文，每周一两篇，以深入理解有影响力的 AI 研究。

一份整理好的路线图，展示了Google、Microsoft、Meta、Amazon和Netflix的工程师如何构建真实系统。