Rainman 的 AI 精读书单（Rainman’s AI Reading Kit）

本页收录我认为在 AI 领域最值得深入阅读的书籍与论文。它是我个人知识体系的重要输入来源，按主题分组，适合工程师、研究者、技术理想主义者持续查阅与回访。
持续更新中。

核心论文推荐（Papers）

LLM & Transformer 方向

  • Attention is All You Need (2017)
    Transformer 原始论文，打破了 RNN 的局限，标志大模型时代的开端。
  • BERT: Pre-training of Deep Bidirectional Transformers (2018)
    将 Masked LM 引入预训练范式，彻底改变了 NLP 任务的方法论。
  • GPT (Radford et al., 2018)
    生成式预训练的原点，构建了今天 ChatGPT 的原始路径。
  • RAG: Retrieval-Augmented Generation (2020)
    构建 LLM × 外部知识库的重要方法，是所有 RAG 系统的基础。

AI 系统 / 工程架构

  • Spanner (Google, 2012)
    全球一致性数据库设计，系统层的经典。
  • FSDP: Fully Sharded Data Parallel (Meta)
    大模型训练中的高效并行范式。

精选书籍推荐（Books）

入门 & 中文体系

  • 《统计学习方法》 - 李航
    机器学习中文经典，适合构建概率推理与监督学习的直觉。
  • 《机器学习》 - 周志华
    结构清晰、图示丰富，是最通俗的算法教材之一。

理论 & 深度学习核心

  • Deep Learning - Goodfellow, Bengio, Courville
    深度学习圣经，几乎是每位 AI 工程师的必备读物。
  • Pattern Recognition and Machine Learning - Christopher Bishop
    数学性较强，适合打理论基础，尤其是图模型与贝叶斯方法。

社会影响与科普

  • AI 2041 - 李开复 & 陈楸帆
    结合科幻与分析，预见 AI 对未来社会各维度的影响。

未分类

https://www.superagency.ai/

《奇点更近》

未来更新规划

后续我将为这些书/论文添加：

  • 我的摘要与点评（含链接 Notion 子页面）
  • 实际使用场景 / 项目中应用感悟
  • 进阶阅读推荐（Paper 路线图 / 书籍交叉推荐）