标签
一个精选的周末阅读列表，推荐关于AI主题的文章，包括Muse、AI原生服务和Google的Project Suncatcher。
这篇文章分享了一份精选的AI基础设施入门阅读清单，重点关注大型模型推理主题，如vLLM、连续批处理和性能基准测试。
Carl Kolon 作为一名工程领导者，分享了他精心整理的软件工程文章“必读清单”，涵盖编码实践、平台设计和前端开发，并附有关于每篇文章重要性的个人注释。
一条推文推荐Arvind Narayanan在其演讲'AI as Normal Technology'中的注释幻灯片，作为该概念的高级概述。
伊利亚·苏茨克沃向约翰·卡马克分享了一份有影响力的机器学习论文阅读清单，称这些是今天最核心的知识，涵盖了90%的内容。
一条Twitter帖子，推荐了十篇理解LLM的基础论文和作品，从最初的Transformer到DPO。
This tweet introduces 'Awesome LLM Books', a curated GitHub list of 22 high-quality books for LLM development, evaluated by strict criteria including relevance, content quality, and social proof. Each book entry includes author, publisher, rating, and links, helping developers quickly find suitable resources.
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。
LLM工程师必读的重要研究论文清单，涵盖Transformer、缩放定律和微调技术等关键工作。
LLMSys-PaperList 是一个在GitHub上精心策划的阅读列表，它将LLM系统研究论文和资源组织成实用的类别，如训练系统、服务系统和多模态覆盖，帮助AI/ML工程师和研究人员保持更新。
一份精心挑选的阅读清单，包含基础和现代资源，用于理解代理架构，融合了经典分布式系统概念与当前AI代理模式。
推广斯坦福大学CS153前沿系统课程阅读清单的推文，该课程邀请行业领袖演讲，并设有一个关于提升个人能力的项目。