有哪些优秀的 AI 资讯来源？

GoLove · 浏览 8 · 点赞 0 · 评论 0 · 1小时前

之前回答里面已经有知友给出不错的资源了，而且近一两年很多AI公众号做的很棒，很多信息第一时间翻译成中文发布，给了解一般AI资讯的人提供很大便利。

以下是偏学术技术向的资源，也是本人平时关注的渠道，适合广大科研民工~

论文推送

直接rss订阅arxiv里面cs.[CV|CL|LG|AI|NE]/stat.ML领域，然后每天给你推送。订阅软件自选，mac平台我推荐reedly。基本上这些一次可能就有50多篇，够看的（而且有些也看不懂。。。）优点是绝对的第一手信息，缺点就是信噪比太低，有用paper不多。而且时间消耗比较大。所以基于以上，有了arxiv-sanity.com, Andrej Karpathy自建的网站，还可以基于关键词筛选，算是提供了初步的去噪滤波。但是这些还是有点多，而且初期也抓不到重点。所以需要引入“基于碳基智能体的感知滤波”了，也就是人肉论文推荐。这方面国内比较好的在微博上当属爱可可老师了。国外twitter上主要是Miles Brundage，也是每天推荐好文。优点自不用说，大大提高有效信息，缺点就是可能会有漏网之鱼，或者对你自身特别感兴趣的领域缺乏关注。Facebook上呢也算一个科研信息发布平台吧，但是不如twitter，而且有些都是两个平台同时发布。之前还有Google circle，现在早完了。twitter上其实还有很多值得关注的，虽然不会总推送论文，但是遇到热点会有独家精辟评述。说不定哪天你就出现在大神的推送里了，是不

@廖方舟

https://twitter.com/goodfellow_ian/status/939192351070732288twitter.com/goodfellow_ian/status/939192351070732288

这里不要脸贴一下自己的Yulong Wang，里面有关注列表，大家可以顺藤摸瓜一一关注就行。以上说的这些了解途径呢，有点像平时逛街捡货，需要眼尖而且费力。最好的方式就是追会议。比如像cvpr，nips，iclr，icml这些，每年一开会几千篇。优点就是经过评审的质量有保证，缺点就是太多了看不完，而且时效性差，有的都有名半年多了，再去会议上看就有点晚了。但是像iclr不一样，公开评审，论文评审意见同时放出来。所以知道什么时候开会，轮流挖矿去。

Github推荐

github里面可以follow人，我现在是主要用pytorch，所以关注了soumith (Soumith Chintala)，基本上最新的pytorch project都会被他star一下，所以好好写代码，不定哪天就被翻牌子了哈要是想了解最新的一些AI方面project，推荐TensorTalk – Latest AI Code，它应该是个自动程序，每天爬。发现相关tag就star，然后推荐。如果你登录了自己github，之前浏览过的repo还会显示出来，比较方便。之前我在另外一个回答里面推荐过http://gitxiv.com，但是现在好像没什么关注了，因为一般有代码的论文，在文中都会贴出来代码地址，或者google一些也能搜到，所以没什么存在价值了。

计算机视觉顶级会议论文中比较适合初学计算机视觉的人做的复现实验有哪些？1454 关注 · 27 回答问题

再就是看论文，找代码。有的论文很对你的口味，你想深挖一下，直接google论文题目，或者再加个github关键词。有的有源代码，有的有复现，都可以。但最主要的是你得有关注感兴趣的领域，否则看了浪费时间。github上有时候star太多了，之后想再找不好翻怎么办，推荐Astral这个网站，正如这个名字一样，把你github上面的“stars”都列出来，而且还可以自己加tag分类，良心推荐。

其实呢也不用每天追这些，非得要把最新的消息全都看到。不可能也没必要。看多了反而浮躁，而且觉得自己好失败，人家天天搞大新闻。其实不是，大家都是报喜不报忧。所以好好看论文撸代码，才是唯一的救赎。