文章导读 · 中文

每篇导读的目标:5 分钟给你这篇文章的思想地图——讲了什么、为什么写、十年后怎么看、对你有什么用——然后带着地图去读英文原文。导读是原创解读,不是翻译;全文中文翻译在取得作者授权后上线。

经典名篇 5 篇bearblog 新文 13 篇老博客其余 19 篇Medium 及其他 6 篇持续更新

经典名篇(2015–2019)

深度学习黄金年代的五篇必读,事后看全是今日 LLM 时代的伏笔。

原文年份导读
The Unreasonable Effectiveness of RNN他最著名的博文,char-RNN 生成万物——今日 LLM 的种子2015中文导读 →
Yes you should understand backprop抽象会漏——为什么必须亲手推一遍反向传播2016中文导读 →
Deep RL: Pong from Pixels130 行 numpy 学会打乒乓,附对 RL 的先见质疑2016中文导读 →
Software 2.0神经网络权重即代码——范式宣言2017中文导读 →
A Recipe for Training Neural Networks神经网络训练的系统方法论与避坑清单2019中文导读 →

LLM 时代新文(bearblog,2024 至今)

他的新博客,全网几乎没有系统中文解读——这里是第一站。

原文日期导读
Sequoia Ascent 2026 summary红杉活动演讲纪要2026-04中文导读 →
2025 LLM Year in Review他眼中的 2025:RLVR、Cursor、vibe coding、ghosts2025-12中文导读 →
Auto-grading decade-old HN discussions用 LLM 以后见之明给十年前的 HN 打分2025-12中文导读 →
Chemical hygiene生活化学品暴露与健康2025-12中文导读 →
The space of mindsLLM 是心智空间中的新型智能2025-11中文导读 →
Verifiability可验证性决定 AI 在哪些领域进步最快2025-11中文导读 →
Animals vs Ghosts「我们在召唤幽灵,不是养动物」2025-10中文导读 →
Vibe coding MenuGenvibe coding 实战复盘:代码 5 分钟,部署一小时2025-04中文导读 →
Power to the peopleLLM 逆转技术扩散方向:先惠及个人2025-04中文导读 →
Finding the Best Sleep Tracker四款睡眠追踪设备两个月实测2025-03中文导读 →
The append-and-review note单文件追加式笔记法2025-03中文导读 →
Digital hygiene数字安全与隐私卫生实践清单2025-03中文导读 →
I love calculator对简洁计算工具的赞美2024-09中文导读 →

老博客其余篇目(2011–2026)

技术深潜、生涯建议、科幻短篇与数据随笔——完整补全。

原文年份导读
microgpt极简代码从零实现 GPT——他 2026 年重开老博客之作2026中文导读 →
Deep Neural Nets: 33 years ago and 33 years from now复现 LeCun 1989:33 年里什么变了、什么没变2022中文导读 →
A from-scratch tour of Bitcoin in Python纯 Python 从零实现比特币交易2021中文导读 →
Short Story on AI: Forward PassLLM 第一人称科幻短篇,写于 ChatGPT 之前2021中文导读 →
Biohacking Lite工程与热力学视角的减脂实验2020中文导读 →
A Survival Guide to a PhD博士生涯生存指南2016中文导读 →
Short Story on AI: A Cognitive Discontinuity2015 年的 AI 科幻短篇2015中文导读 →
What a DNN thinks about your #selfieConvNet 给自拍打分:趣味外壳下的实战教程2015中文导读 →
Breaking Linear Classifiers on ImageNet对抗样本入门2015中文导读 →
Competing against a ConvNet on ImageNet人类 vs ConvNet:5.1% 人类错误率的由来2014中文导读 →
Hacker's guide to Neural Networks代码优先讲反向传播(已被 CS231n/Zero to Hero 取代)~2014中文导读 →
Quantifying Productivity键盘记录量化生产力2014中文导读 →
Feature Learning Escapades研究死胡同的诚实复盘2014中文导读 →
Visualizing Top Tweeps with t-SNEJS 实现 t-SNE 可视化2014中文导读 →
Data Science Weekly 访谈2014 年访谈:神经网络早期观点2014中文导读 →
Quantifying Hacker News50 天 HN 数据分析2013中文导读 →
Chrome Extension ProgrammingChrome 插件开发教程(历史价值为主)2013中文导读 →
The state of Computer Vision and AI奥巴马照片之问:CV 离真正理解还有多远2012中文导读 →
Manually classifying CIFAR-10人类基准准确率实验2011中文导读 →

Medium 及其他

原文年份导读
AlphaGo, in contextAlphaGo 强在哪、为什么不通用——RL 怀疑论的起点2017中文导读 →
A Peek at Trends in Machine Learningarxiv 数据看 ML 趋势与框架战争2017中文导读 →
Virtual Reality: still not quite thereVR 技术成熟度判断2017中文导读 →
ICML 机构统计 + ICLR vs arxiv-sanity两篇会议数据分析合并导读2017中文导读 →
CS183c Assignment #3他在斯坦福创业课上的作业——罕见的创业思考切片2015中文导读 →
Advice for success本科时期写的大学学习方法长文,至今挂在 karpathy.ai本科时期中文导读 →