Ren(@Ryrenz):📚 刚发现一份 AI 工程转型的论文清单，从零到前沿的路线全给你排好了 GitHub 上 2.6K stars 写了几年后端想转 AI，最难的不是学不动，是不知道从哪学起。网上的资料要么是「三天精通大模型」这种速成课，要么直接甩你一篇 Transformer 原论文，中间那段路没人给你铺。这份清单把中间那段补上了，按主题分层排：分词、向量化、基础设施、核心架构打底，往上是混合专家模型、RLHF、思维链和推理，最后是优化、蒸馏和状态空间模型。每一层给的都是原始论文和项目本体，BERT、TensorFlow、FAISS、Ray、FlashAttention、Mamba、CLIP、DSPy 和 Model Context Protocol 都在列，《Attention Is All You Need》《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》《Distilling the Knowledge in a Neural Network》这几篇奠基论文也标了出来。除了论文还有实战部分：图像 Transformer、视频 Transformer、上下文工程和竞赛模型相关的研究，以及 Meta、OpenAI、Swiggy、Netflix 和 Uber 的真实系统案例，能看到这些东西在生产环境里是怎么用的。末尾还附了一门 AI Engineering 的视频课。想清楚要学什么，比一头扎进去学得快。 GitHub：

2026.08.18 17:40

📚 刚发现一份 AI 工程转型的论文清单，从零到前沿的路线全给你排好了 GitHub 上 2.6K stars 写了几年后端想转 AI，最难的不是学不动，是不知道从哪学起。网上的资料要么是「三天精通大模型」这种速成课，要么直接甩你一篇 Transformer 原论文，中间那段路没人给你铺。这份清单把中间那段补上了，按主题分层排：分词、向量化、基础设施、核心架构打底，往上是混合专家模型、RLHF、思维链和推理，最后是优化、蒸馏和状态空间模型。每一层给的都是原始论文和项目本体，BERT、TensorFlow、FAISS、Ray、FlashAttention、Mamba、CLIP、DSPy 和 Model Context Protocol 都在列，《Attention Is All You Need》《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》《Distilling the Knowledge in a Neural Network》这几篇奠基论文也标了出来。除了论文还有实战部分：图像 Transformer、视频 Transformer、上下文工程和竞赛模型相关的研究，以及 Meta、OpenAI、Swiggy、Netflix 和 Uber 的真实系统案例，能看到这些东西在生产环境里是怎么用的。末尾还附了一门 AI Engineering 的视频课。想清楚要学什么，比一头扎进去学得快。 GitHub：

커뮤니티로 전달