各类型里多数人会感兴趣、对大部分人有帮助、相对完整系统的 AI 资源。
Practical Deep Learning for Coders - Practical Deep Learning
fast.ai 的免费深度学习课程站点，主体是 2022 年第一部分共 9 讲、每讲约 90 分钟的课程录像，涵盖计算机视觉、NLP、表格数据和协同过滤建模，以及随机森林、回归、模型部署，使用 PyTorch、fastai 和 Hugging Face；页面还提到新推出的 30 多小时第二部分课程。适合有编程经验、想上手实际应用的人。
MemTensor/MemT-1.0
MemT-1.0 的官方仓库，项目自述为新一代记忆基础模型，把持久且可动态演化的记忆作为模型计算的内在部分。它整合动态局部记忆与可训练的超记忆（hyper memory），在推理时不访问原始上下文即可利用历史信息；持久状态大小恒定，据称在 128K 历史下比完整上下文 KV 缓存节省约 66 倍存储。仓库提供 HuggingFace 模型集合与技术报告链接，并附中文版说明。
MIT OpenCourseWare 上的深度学习课程页面，2024 年秋季开设，覆盖 MLP、CNN、RNN、图网络、Transformer 等架构，深度学习中的几何与不变性、反向传播与自动微分、高维泛化理论，以及视觉、NLP、机器人等应用；授课教师包括 Phillip Isola、Sara Beery、Jeremy Bernstein。适合想系统学习深度学习理论与实践的人。
这是 vLLM 项目的 GitHub 仓库，一个面向大语言模型的高吞吐、高内存效率推理与服务引擎，标语为“Easy, fast, and cheap LLM serving for everyone”。仓库话题标签涵盖 CUDA、AMD、TPU、MoE、PyTorch、OpenAI 以及 Llama、Qwen、DeepSeek 等模型，README 提供文档、博客、论文、Twitter/X、用户论坛和开发者 Slack 入口及官方网站 vllm.ai。
这是 ComfyUI 的 GitHub 仓库，定位为带有图/节点界面的模块化扩散模型 GUI、API 与后端，README 称其为面向内容创作的最强模块化 AI 引擎和本地推理引擎。仓库话题标签包括 ai、comfy、python、pytorch、stable-diffusion，并提供官网 comfy.org、Discord、Twitter、Matrix 及发布版本、下载量等徽章链接。
一个 YouTube 播放列表，收录斯坦福研究生课程 CS229 机器学习 2026 春季学期的课堂录像，共 17 讲。材料列出的前 8 讲标题涵盖课程介绍、监督学习设置、加权最小二乘、指数族与 GLM 分类、高斯判别分析、数据集划分与机器学习建议、神经网络架构等。课程内容为机器学习与统计模式识别的广泛导论，涉及监督学习、无监督学习、学习理论与强化学习，以及机器人控制、数据挖掘、语音识别等应用。
Visual Information Theory
这是 colah 博客 2015 年 10 月的一篇文章，尝试用可视化方式讲解信息论的核心概念，如不确定性有多大、知道一个问题的答案能在多大程度上说明另一个问题的答案等，并提到这些概念在数据压缩、量子物理和机器学习等领域的应用。文章开篇先介绍如何用图示表示简单概率分布，作为后续内容的基础。适合对信息论概念感兴趣、希望借助图示理解抽象定义的读者。
MIT 6.S191：Introduction to Deep Learning
MIT 6.S191 深度学习入门课程网站。课程定位为高强度的短期训练营，讲授深度学习基础及其在自然语言处理、计算机视觉、生物等领域的应用，内容包括深度学习算法基础、构建神经网络的实践经验，以及大语言模型和生成式 AI 等前沿话题，并以项目提案竞赛收尾。先修要求假设学习者掌握微积分（求导）和线性代数（矩阵乘法），有 Python 经验有帮助但非必需，也欢迎旁听。页面显示 2026 年课程时间为 2026 年 3 月 30 日至 5 月 25 日每周一美东时间上午 10 点，线上版本每周同步发布，并列出各讲主题与幻灯片、视频、代码实验室的开放安排。
斯坦福大学 2026 年春季 CS336 “Language Modeling from Scratch” 课程主页，授课教师为 Tatsunori Hashimoto 和 Percy Liang，另列有多名课程助理及各自的答疑时间，课程录像发布在 YouTube 播放列表。页面介绍课程定位：语言模型是现代自然语言处理应用的基础，课程通过带学生走完开发语言模型的完整流程，帮助其全面理解语言模型。页面还提供往期开课（2025 春、2024 春）链接和课程联系方式说明。课程涉及大规模模型训练，适合具备深度学习与系统实现基础、希望深入理解语言模型构建过程的人了解。
斯坦福大学管理科学与工程系 MS&E 233 课程大纲页面，主题是博弈论、数据科学与人工智能交叉领域的基础与应用。课程分三部分：求解复杂博弈的计算方法及其在围棋、扑克等游戏智能体上的应用；数据科学与机制设计的结合，如从数据优化拍卖与机制、在线拍卖市场、学习博弈中的结构参数与博弈计量经济学；以及在存在策略性行为时部署机器学习与数据科学流程，包括市场中的 A/B 测试与 Uber、亚马逊等平台上的应用。适合关注博弈论与 AI/数据科学交叉方向的人了解课程内容。
Attention? Attention!
Lil'Log 博客介绍注意力机制的文章。从 Seq2Seq 模型的问题出发，给出注意力的定义和各类变体（自注意力、软/硬注意力、全局/局部注意力），并介绍神经图灵机、指针网络和 Transformer（键值查询、多头自注意力、编码器-解码器整体结构），以及 SNAIL 和自注意力 GAN。
How Claude Code is used in practice
Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万个 Claude Code 会话的隐私保护分析，提出一个研究交互式智能体编程的框架，考察任务构成、人机协作方式与成功率。文中指出典型会话里人主要决定做什么、Claude 主要决定怎么做；用户的领域专业度越高，Claude 每次指令完成的工作越多；观察期内用于调试的会话占比下降近一半。