研究文献与开源资料

MiniMind

jingyaogong and contributors

对照小模型的数据、预训练与后训练组织。固定上游版本，单独测量本机资源与吞吐。

nanochat

Andrej Karpathy and contributors

沿分词器、预训练、后训练、评测与推理追踪产物。区分GPU规模示例与CPU/MPS教育配置。

A Survey of Monte Carlo Tree Search Methods

Cameron Browne et al.

从四个搜索阶段读起，再看 UCT 如何权衡探索与利用。对照互动实验，理解访问次数和奖励如何沿树回传。

Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm

David Silver et al.

关注自我对弈、搜索与策略价值网络的连接方式。把搜索产生的动作分布，与训练时更新的模型参数区分开。

Causal Inference: The Remix

Scott Cunningham

从因果图与潜在结果开始，追问每一种比较成立的条件。作者的在线第二版仍在更新；旧笔记引用的书名为 The Mixtape。

YLearn

DataCanvasIO

结合官方文档理解处理效应估计的工作流。使用具体估计器前，先明确处理、结果、协变量与识别假设。

Attention Is All You Need

Ashish Vaswani et al.

先追踪注意力、多头机制与位置表示之间的数据流，再回到模型训练笔记，理解架构决定了哪些计算。

ReAct: Synergizing Reasoning and Acting in Language Models

Shunyu Yao et al.

看推理、动作与环境观察如何交替出现。将工具返回的反馈与模型内部的推断分开，思考错误会在哪一步累积。