AI 与机器学习2015arxiv.org
论学会思考：算法信息论
On Learning to Think: Algorithmic Information Theory
专业 · 约 90 分钟读完前置知识：Kolmogorov 复杂度、可计算性理论、认知科学基础
导读
这篇论文试图用算法信息论（Kolmogorov 复杂度的理论框架）来讨论「学会思考」这一认知能力如何被形式化刻画，属于偏理论/综述性质的工作。评论区读者特别指出，论文的文献综述覆盖面很广，适合作为了解相关理论的入口；至于具体的模型或结论，标题与评论都未展开，不宜过度推断。
HN 关注点：在神经网络当道的当下，HN 读者关注这篇非连接主义的理论视角，并把它当作一份高质量的文献综述来推荐。
HN 评论精选
这几条评论里：支持 1
支持外行视角肯定其文献综述的价值，同时点出它与当下神经网络热潮的反差。
神经网络显然是当下 AI 最热的方向。作为一个外行，我觉得这篇论文的文献综述写得非常好。
sevensor查看英文原文
Neural networks are obviously the hot thing in AI right now. From my perspective as an outsider, this paper has a great lit review.
历次讨论
- 2015Hacker News 讨论帖155 分 · 3 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选