Scaling Laws, Carefully
读懂并会用缩放定律：理解损失随模型规模、数据量、算力按幂律下降的经验规律，能区分 Kaplan 与 Chinchilla 的结论差异，并了解在小规模实验上拟合、外推到大模型配置的基本做法。
文章
费用待核验
有使用限制
Lil'Log
学科树
从研究方向出发，找到想学的具体主题。
分类参考 ICLR 2026 与 NeurIPS 2026 征稿范围，用于学习导航，不代表唯一学术分类。
人工智能 / 机器学习 / 深度学习
深度学习
按学习目标和前置条件选择资源，再查看对应的学习准备。
8 个资源分类依据 ↗
Karpathy
University of Toronto CSC412/2506：Probabilistic Machine Learning（2025 冬）
学习图模型、精确与近似推断、采样及生成建模。
大学课程
免费
有使用限制
TorontoCSC412
BerkeleyEECS182
CMU11-785
University of Toronto CSC413/2516：Neural Networks and Deep Learning（2025 冬）
学习神经网络基础、监督学习，并接触无监督学习与强化学习。
大学课程
免费
有使用限制
TorontoCSC413
MIT6.S191
Google for Developers