学习与研究

TinyCeNN-LM：用细胞神经网络循环状态核替代 Transformer 层的小模型研究

vtavakkoli/TinyCeNN-LM · Tiny language-model research lab exploring Cellular Neural Network (CeNN) recurrent state cores as alternatives to Transformer layers, with distillation, shared-weight iteration, and efficiency benchmarks.

TinyCeNN-LM 是一个小型语言模型研究项目，探索用细胞神经网络（CeNN）循环状态核作为 Transformer 注意力层的替代方案，尝试在保留预训练语言模型能力的前提下减少部分注意力层的开销。仓库覆盖 SmolLM2、Qwen3.5、FunctionGemma 和 Gemma 4 等模型，包含蒸馏、共享权重迭代、缓存解码、质量/速度/内存对比评测，并保留负面结果与消融实验；当前主张先做选择性替换，通过表示相似度与模型级损失门控逐个接受替换层。

learn-from-materials：把 PDF、书籍和论文转化为可追溯的交互式学习网页

dmoshehun-prog/learn-from-materials · Turn PDFs, books and papers into interactive learning webpages｜将复杂材料转化为可追溯、可测验、可做笔记的学习网页

learn-from-materials 是一个基于开放 Agent Skills 规范构建的跨代理学习技能，可将 PDF、EPUB、MOBI/AZW、DOCX、PPTX、HTML、Markdown、TXT、RTF 及多文件材料集转化为可追溯的知识库、自包含的交互式学习 HTML 页面和同步 Markdown。它支持「快速概览」和「系统学习」两种学习深度，提供页码/幻灯片/章节级来源映射、覆盖率审计、来源哈希与增量更新校验，并明确区分材料事实、模型补充内容和外部验证内容。该技能默认离线运行、不自动安装依赖，笔记与学习者档案仅保存在浏览器本地存储中，需在具备文件读取和 Python 执行能力的代理环境中使用。

fde-interview-fieldbook：面向前向部署工程师面试的生产实践手册

dataPro-lgtm/fde-interview-fieldbook · Source-backed, production-first FDE interview fieldbook with cases, scorecards, and current role research.

该项目是一个以可溯源资料和实际生产为导向的前向部署工程师（FDE）面试手册，提供角色画像、面试流程与评分说明、发现与拆解方法、系统设计与生产 AI（RAG、Agent、MCP、评估、可观测性、安全、持久执行等）内容、案例集与评分卡、模拟面试和练习工作流，并附有带来源和检查日期的更新流程与版本化研究数据。手册明确声明为独立教育材料，不代表任何雇主官方流程。

Building MCP Server and Client：从零构建 MCP 服务器与客户端的实战示例合集

ashumishra2104/Building_MCP_Server_and_Client · A hands-on collection of MCP (Model Context Protocol) servers built from scratch — designed for AI Product Management students and developers who want to give Claude real-world superpowers.

该仓库是面向 AI 产品管理学生与开发者的 MCP（Model Context Protocol）动手实践合集，包含 MCP 理论文档、入门终端 MCP 服务器、基于 React 与 Electron 的 MCP 客户端、天气 MCP 服务器，以及结合简历分析与职位搜索的 AI 求职推荐应用等五个递进式项目，用于学习如何让 Claude 等 AI 模型连接外部工具与数据。

ARIS-in-AI-Offer：面向 AI 秋招面试的中英双语 ML/LLM 面试速查表合集

narsinghlaga124/ARIS-in-AI-Offer · Streamline your AI research and campus recruiting tasks with the ARIS agent framework to secure job offers.

该项目是 ARIS（Auto Research in Sleep）agent 框架的产出集合，收录了一系列中英双语的机器学习、LLM、多模态、扩散模型、Agent 与生成模型面试速查表。每份速查表以长文教程形式呈现，包含公式推导、从零实现的 PyTorch 代码，以及按 L1/L2/L3 分层的高频面试题；内容由 ARIS 的 /interview-cheatsheet 与 /render-html 工作流生成，并提供单文件 HTML（MathJax 公式、highlight.js 代码高亮、响应式布局、粘性目录、可离线阅读）。此外仓库还包含将个人简历转换为学术主页的 ARIS-Homepage 流程。

Jackrong-llm-finetuning-guide：面向初学者的 LLM 微调端到端教程

Valliemidland674/Jackrong-llm-finetuning-guide · Learn LLM fine-tuning with an end-to-end guide for beginners and developers using Unsloth, LoRA, PEFT, and Google Colab

该项目是一份面向初学者与开发者的端到端大语言模型微调指南，覆盖基座模型选择、数据集准备、prompt/response 格式化、LoRA 与 PEFT 训练、模型保存与测试、上传 Hugging Face 等完整流程。示例涉及 Llama 3、Qwen、DeepSeek 等开源模型，并使用 PyTorch、Unsloth、PEFT、Hugging Face 与 Google Colab 等常见工具，提供 Windows 本地与 Colab 两条上手路径，并包含多语言（英/中/韩/日）文档。

claude-code-analysis：解析 Claude Code 内部架构与设计模式的学习资料

Intragroup-pottle634/claude-code-analysis · Analyze Claude Code’s architecture, modules, and design patterns to understand its internals and build better tools and integrations

该项目面向希望了解 Claude Code 内部结构的读者，提供对其模块组成、核心部件连接方式、内部模块布局以及常见设计模式的结构化分析，并以适合 Windows 用户浏览的文件夹与页面形式组织文档、图表和报告。内容定位于学习与研究，而非直接用于开发或集成。

Trail of Bits Publications：安全研究与学术出版物资料合集

trailofbits/publications · Publications from Trail of Bits

这是安全公司 Trail of Bits 公开发布的资料合集仓库，收录学术论文、白皮书、指南手册、会议演讲、播客、网络研讨会、公开意见、案例研究、安全审查报告、漏洞披露与利用、工作坊、数据集及服务概览等内容，并按自动化漏洞发现与利用、区块链、编译器、密码学、机器学习、移动安全、供应链、威胁分析等主题分类整理，主要作为安全研究与学习的参考资料。

AI 造福社会

这是一篇关于“用 AI 造福社会”的合集介绍。它说过去十多年，AI 从理论研究慢慢变成能实际帮上忙的工具，比如帮助疾病更早被发现和治疗、预测自然灾害、扩大学习机会、创造更多经济机会。它没有介绍某个具体新技术，而是邀请读者去看专家和当地负责人如何把这些 AI 成果用在社区里。对普通读者来说，这更像一份了解 AI 社会应用案例的入口，但原文没有说明具体有哪些工具、如何参与或何时上线。