我在关注的人和团队

从零手写神经网络的那套讲法影响了很多人的入门路径。旧站 karpathy.github.io 里的老文章现在读依然不过时。

偏工程一侧：训练和推理的基础设施、数据流水线、把 ML 系统做到生产环境里的取舍。

写机器学习系统怎么真正落地：评估、推荐系统、把模型接进产品之后会遇到的那些问题。

每篇都是把一个方向的论文读完之后重新组织出来的长综述。想快速建立某个子领域的地图时，先看她这里有没有写过。

更新频率极高，基本是在实时记录 LLM 工具生态的变化。适合用来跟进「最近又能拿模型做什么了」。

论文精读加实现细节，经常会把某个结构从头写一遍。想搞清楚「这个改动到底改了哪一行」的时候很有用。

伯克利 AI 研究组的博客，由学生和研究员自己写自己的论文，比读原文省力，也能看出他们在意什么。

可解释性和 alignment 方向的成果基本都发在这里，很多文章带可交互的图，值得慢慢看。

强化学习和「AI 做科学」这两条线一直在推进，公告里给的实验细节通常比新闻稿密度高。