好东西，Elicit发布了一个机器学习必读清单，能够系统地了解机器学习的各个方面，尤其是语言模型。

好东西，Elicit发布了一个机器学习必读清单，能够系统地了解机器学习的各个方面，尤其是语言模型。清单包括下面几个部分：机器学习基础：介绍机器学习从基础到进阶的各种概念，如机器学习入门、深度强化学习和反向传播。Transformer与基础模型：深入探讨了Transformer架构，内容包括视觉引导、实践调查和各种模型的技术报告。训练与微调：介绍了训练和精调语言模型的方法与策略，特别强调了整合人类反馈和零样本学习。推理与运行策略：探讨了在上下文中进行推理、任务分解和工具使用的策略，分析大语言模型如何处理复杂的推理和解决问题的任务。应用领域：课程还涵盖了机器学习在科学、预测和搜索排名等领域的实际应用。机器学习实践：介绍了在实际部署中的洞见及评估语言模型在实际环境中的性能标准。进阶主题：涉及更为专业的主题，如世界模型、因果关系、规划及机器学习中的不确定性。整体观：讨论了AI的扩展、安全性及AI对经济和社会影响的更宽泛话题，为理解机器学习的整体景观提供了全面的视角。这里阅读清单：https://github.com/elicit/machine-learning-list