各方向的课程、论文清单与开源项目整理在下面。课程通常会连贯地讲解背景与方法，项目页有代码、实验和演示，paper list 则汇集同一主题下的相关工作。各方向的基本介绍见研究方向总览。
CV：感知任务、视觉表示与图像模型
-
目标检测入门文档，包含安装、加载预训练模型与预测的代码示例。
-
计算机视觉课程，讲解视觉任务、神经网络训练与常见架构，提供课件和作业。
-
卷积网络交互演示，展示输入图像与网络中间表示。
Computing Receptive Fields of Convolutional Neural Networks — Distill
带可视化的技术文章，解释网络结构怎样决定感受野。
CNN Explainer — Polo Club自然语言处理与语言模型
-
语言模型课程与代码，涵盖 tokenizer、模型与数据处理。
Build a Large Language Model From Scratch — Sebastian Raschka
从头实现语言模型的配套代码，包含 token、embedding、attention 与训练过程。
-
自然语言处理课程，涵盖表示学习、注意力与语言任务。
Stanford CS336：Language Modeling from Scratch，2025从头构建语言模型的课程，包含数据、训练、系统与评估，配有编程作业和视频。 官方第一讲
Deep Dive into LLMs like ChatGPT — Karpathy
面向较广泛观众的语言模型介绍，讲解 ChatGPT 一类模型的训练与使用。
多模态与视觉语言模型
Vision Language Models Explained — Hugging Face介绍视觉语言模型的组成、使用与评价。
-
图文对比学习的官方代码与论文，包含零样本分类示例。
LLaVA：Visual Instruction Tuning
视觉指令微调项目，介绍视觉与语言模型的连接、指令数据和图像问答。
Awesome Multimodal Large Language Models
多模态大模型论文与资源列表，按任务与主题整理。
AIGC、Diffusion 与 Flow Matching
-
扩散模型实践课程，通过 Notebook 介绍图像生成、加噪与去噪。
MIT：Introduction to Flow Matching and Diffusion Models，2025
生成模型课程，讲解 Flow Matching 与扩散模型的数学关系，配有讲义和练习。
Generative Modeling by Estimating Gradients of the Data Distribution — Yang Song
从数据分布的 score 出发解释生成建模，包含图示与数学推导。
What are Diffusion Models? — Lilian Weng
扩散模型技术综述，梳理方法、训练目标与相关推导。
World Model：预测、交互、想象与决策
World Models — David Ha、Jürgen Schmidhuber
世界模型的文章与实验演示，将观察压缩、动态预测与控制结合起来。
-
通过世界模型学习行为的项目，提供论文、代码与任务演示。
Awesome World Models — JiahuaDong
世界模型论文清单，涵盖视频、机器人等研究主题。
强化学习
-
中文强化学习教材，配有代码与视频，涵盖价值方法、策略方法与深度强化学习。
-
Datawhale 的中文强化学习教程，包含基本概念、算法与实践。
-
环境接口教程，介绍 observation、action、reward 与终止信号。
-
强化学习算法的单文件实现，配有文档与实验说明。
Berkeley Deep Reinforcement Learning
深度强化学习课程，涵盖策略优化、模型学习等主题，提供视频和作业。
具身智能与机器人
-
中文具身智能指南，包含方向介绍、学习路线、论文、教程与项目。
MIT Robotic Manipulation — Russ Tedrake
机器人操作课程与教材，涉及几何、感知、规划与控制。
-
机器人动力学、控制与决策课程。
-
机器人学习的模型、数据集、训练代码与工具。
-
双臂机器人仿真、数据生成与评测项目。
ALOHA／ACT：Learning Fine-Grained Bimanual Manipulation
双臂机器人模仿学习项目，展示示范数据采集、动作预测与精细操作。
-
将扩散模型用于动作序列生成，提供论文、代码与机器人操作演示。
-
跨机器人数据与模型项目，汇集不同机器人平台的操作数据。
具身细分方向的论文索引
Awesome Humanoid Robot Learning — Yanjie Ze
人形机器人学习论文索引，涵盖运动与操作等主题。
-
强化学习与 VLA 操作学习的交叉论文列表。
-
VLA 效率研究索引，涵盖推理、部署与模型设计。
Data Pyramid for Embodied Manipulation
具身操作数据综述，按数据来源与组织方式整理相关工作。
Agent
LLM Powered Autonomous Agents — Lilian Weng
通过规划、记忆和工具使用等组件介绍 LLM Agent。
-
工具调用、Agent 框架与实践课程。
-
中文 Agent 原理与实践教程，包含基础实现、框架与项目。
-
综述作者维护的 LLM Agent 论文列表，按研究主题分类。
-
多环境 Agent 评测项目，提供任务、评测代码与结果。
-
基于真实 GitHub issue 的软件任务评测，使用测试检验代码修改。
效率、推理和软硬协同
-
机器学习系统教材，涵盖数据、软件、硬件与部署。
MIT 6.5940：TinyML and Efficient Deep Learning Computing，2024
TinyML 与高效深度学习课程，讲解量化、压缩与高效计算。
Making Deep Learning go Brrrr From First Principles — Horace He
从计算、内存与执行开销解释深度学习程序的性能。
-
分布式训练与推理技术书，讨论模型规模、硬件与通信开销。
PyTorch Performance Tuning GuidePyTorch 官方性能调优指南，包含数据加载、内存与计算优化。
AI4X：科学数据与任务
-
面向药物、分子等科学任务的开源工具与教程。
-
药物与生物任务的数据集和评测基准。
-
医学影像教程，包含数据处理、模型训练与分割等示例。
-
将深度学习用于原子相互作用建模与分子动力学模拟。
-
金融强化学习项目，包含数据、交易环境、训练与回测。
-
AI for Science 的跨学科工具、论文与项目集合。
自动研究
-
自动迭代训练实验的项目，包含实验目标、代码修改与结果记录。
-
自动研究系统，包含想法生成、实验与论文写作。
图学习与时序预测
- Stanford CS224W：Machine Learning with Graphs
图机器学习课程，讲解图表示、图神经网络与典型任务。
Forecasting: Principles and Practice，第三版
开放时序预测教材，涵盖趋势、季节性、预测与评价，配套使用 R。
-
基于 PyTorch/fastai 的时序学习工具，提供模型与实践示例。