machine-learning-list

收录理由

这份阅读清单是Elicit团队为新入职的机器学习工程师准备的，按层级编排的学习路径很能说明问题：新人从基础概念起步，再逐步深入到前沿模型研究，节奏安排合理。选文在“能直接用于生产部署的论文”和“需要更长时间才能体现价值的长期技术”之间做了刻意平衡，这种取舍只有真正在跑模型的人才会这样拿捏。虽然是一份单一 syllabus，覆盖面却相当广，既有 transformer 与基础模型架构，也有推理与工具使用策略、部署实践、基准测试、可解释性、强化学习，乃至围绕规模化的安全与经济争议。对想找一条有观点、有主次的学习路线，而不是被一堆杂乱链接淹没的开发者或技术负责人来说，这种分级结构加上对“生产 vs 研究”的明确区分，让它成为很实用的出发点。