GitHub开源项目30u30：30天过完AI经典论文，代码和练习全打包

好家伙，Ilya 推荐过的那份 AI 经典论文清单，不少人收了一堆，结果打开第一篇就被公式劝退了。

现在 GitHub 上有个叫 30u30 的项目，直接把这件事拆成了 30 天：一天读一篇，从 RNN、LSTM 一路学到 Transformer，最后再啃 ChatGPT 背后的 RLHF。

东哥看这种学习项目，最在意一点：它有没有把论文里的东西真正落到代码上。

30u30 不只是把论文翻译成中文。每篇都配了大白话讲解、一页「讲给 5 岁小孩听」的速览，还有从零实现的代码和配图。另外每天准备了 5 道练习题，答案也直接附上。

更舒服的是，项目里说代码能在普通电脑的 CPU 上直接跑，几分钟就能看到结果。不用先租 GPU，也不用为了一篇论文折腾半天环境。

这就挺适合刚入门的人。

以前我看过不少 AI 教程，前面讲得热热闹闹，一到关键算法就甩一堆公式，比如 LSTM 那套门控结构，光是看图就绕不明白。看完好像懂了，真到自己动手写，连张量维度都得回头查。

30u30 这种「读论文、看解释、自己敲代码、做练习」的安排，至少把动手这一步放进去了。

当然，30 天不可能让你彻底吃透整个 AI 领域。尤其是反向传播、Attention 这些东西，第一次看懂和隔两周还能自己推出来，是两回事。

东哥建议先从第一天开始，别急着赶进度。代码跑通后，试着改个参数、换组输入，看看输出有什么变化。环境依赖、数据维度这些小问题，也别急着复制粘贴糊弄过去。

想转 AI 的学生，或者天天用 ChatGPT、却一直想弄明白它背后怎么工作的开发者，可以把这个仓库收下。

30 篇论文摆在那儿是一回事，今天真打开一篇，又是另一回事。