最近有人整理了一份AI论文精选36篇，按四条历史主线分类，覆盖了从模型范式变迁到…

最近有人整理了一份AI论文精选36篇，按四条历史主线分类，覆盖了从模型范式变迁到多模态发展的完整脉络。 这份清单的特别之处在于它不是随机堆砌论文，而是按照「模型范式」「基础设施与数据」「语言模型」「多模态」四条主线串联起来。每条线都能回答一个核心问题：技术为什么会变成今天的样子？ 比如模型范式这条线，从2004年的Brook for GPUs一路讲到2022年的ReAct，你能清晰看到神经网络为什么变深、Attention为什么出现、Transformer和MoE又是从哪里来的。基础设施这条线则展示了模型怎样从单机实验扩展到万卡训练。 整理者还贴心地按难度排序了10篇必读论文：Attention Is All You Need、GPT-1/2/3、Scaling Laws、Chinchilla、InstructGPT、LoRA、ReAct、CLIP。建议第一次读不要逐行推公式，先看摘要和核心图，把因果链串起来就行。 这种按主线串联的方式，比单纯罗列论文有价值得多。对于想系统理解AI发展脉络的人来说，这份清单是个很好的起点。