标签
免费获取Laurent Younes编写的教科书《Introduction to Machine Learning》的674页PDF版，内容涵盖机器学习的数学基础与算法。
Michael Nielsen 的免费在线书籍《Neural Networks and Deep Learning》从基本原理出发，结合浏览器可运行的代码教授神经网络，涵盖了反向传播、卷积网络等关键主题。
推荐MIT的免费650+页教科书《计算机程序的构造和解释》（SICP），该书教授基本的解决问题和计算机科学概念，而不仅仅是编码语法。
推荐阅读Dan Jurafsky和James H. Martin的免费书籍《Speech and Language Processing》中的Transformer章节，这是理解LLM背后数学的最佳资源之一，并包含引用关于LLM预训练的解释。
一个GitHub仓库，使用纯NumPy从零实现基础机器学习算法，旨在通过强调清晰度而非性能来帮助学习者理解算法的内部工作原理。它涵盖了监督学习、无监督学习、深度学习以及强化学习主题。
有人将Fable 5的整套agent工作流整理成9张图，可直接丢给Claude使用，方便快捷。
一条推文推荐《The Annotated Transformer》作为软件工程师的资源，通过用PyTorch构建来理解《Attention Is All You Need》论文的基础概念。
推荐博士栈（csphd.org），一个由美国高校助理教授维护的公益平台，为CS/AI/EE/Stats博士生提供从入学到就业的全流程支持和社区交流。
一条推文推广一个精选的学习路径，涵盖关键AI工程概念，声称能在3周内获得个人BSc级别的教育。
Niels Rogge 在 Papers with Code 上添加了 Lilian Weng 关于扩展定律的博客作为推荐读物，并附上了原始论文及引用链接。
一位推特用户推荐了一本关于生成式AI的全面书籍，涵盖语言建模、推理优化、强化学习及其方法、系统扩展以及诸如智能体AI和RAG等应用概念，还建议阅读Papers With Code上引用量最高的论文。
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。
Papers with Code上的一个精选页面列出了顶级开源OCR模型和基准测试，重点介绍了百度（Unlimited OCR）和Mistral（OCR 4）的新发布，旨在支持RAG等AI智能体应用场景。
一个帖子，分享 AI SOC Mastery（100+ 页）和 Catatan AI SOC（600+ 页）的电子书链接，包括 PDF 和源代码，可在 Google Drive 上获取。
一条推文推荐了OpenAI研究员关于大语言模型构建方法的讲座，声称这场讲座教给一位MIT计算机科学毕业生的知识比他的整个学位还多。
awesome-autoresearch 是一个精选的自动研究用例列表，本次更新新增了 Cribl 的生产部署和 Colab TPU 移植两个条目。
王瑞将Claude Certified Architect考试指南翻译成中文版（28页PDF），并上传至知识库供备考者参考。
一个精心整理的大模型系统相关论文合集，涵盖训练、推理、多模态等方向，持续更新并收录了技术报告、框架和课程，适合研究人员和开发者参考。
Linear设计工程师Emil Kowalski整理了90+个动画术语，涵盖12个分类，作者用Claude制作了一个双语预览站以便理解效果。