每天几十条模型发布新闻刷下来，真正留在脑子里的其实没几条。想建立对 AI 的长期认知，更可靠的方式是读那些愿意花几周时间、把一个技术问题研究透彻的人写的博客。这份清单整理了 12 个值得长期订阅的 AI / LLM 博客，覆盖原理、论文、数学、工程与前沿动态，链接均已逐项验证可访问。

一、研究综述与模型原理

  • Lilian Weng — Lil'Log：LLM、Agent、强化学习、Scaling Law 与 AI Safety 的论文综述式长文，很多从业者把它当作"每周必读"。lilianweng.github.io
  • Sebastian Raschka：LLM 架构、推理模型、论文解读与配套代码实现，讲解扎实、更新频繁。sebastianraschka.com
  • 苏剑林 — 科学空间：中文 AI 技术博客，擅长 NLP、Attention、位置编码与数学推导，是中文社区难得的硬核原创内容。spaces.ac.cn
  • Sander Dieleman：深入解释扩散模型与生成模型，每篇都接近一篇小型专著，适合想系统理解生成式 AI 的读者。sander.ai

二、AI 工程与产品落地

  • Eugene Yan：LLM 评估、RAG、推荐系统与生产环境工程实践，是"怎么把模型真正用起来"的代表性作者。eugeneyan.com
  • Chip Huyen：《AI Engineering》作者，内容覆盖数据处理、推理、部署与生产系统设计，工程视角非常完整。huyenchip.com
  • Simon Willison：高频实测最新模型、Agent 与开发工具，几乎不空谈概念，每篇都带着可复现的实验细节。simonwillison.net

三、可视化与系统学习

  • Jay Alammar：用图示把 Transformer、BERT、Embedding 等核心概念讲清楚，是入门深度学习可视化的第一站。jalammar.github.io
  • Aman's AI Journal：结构化覆盖 Transformer、RAG、Agent、评估与 LLMOps，带有系统性的学习路径。aman.ai/primers/ai/

四、开放模型与前沿趋势

  • Nathan Lambert — Interconnects：聚焦开放模型、后训练、RLHF 与推理模型的前沿研究趋势，信息密度高。interconnects.ai

五、值得反复阅读的经典档案

  • Chris Olah's Blog：神经网络可视化、表征学习与可解释性的经典文章，常读常新。colah.github.io
  • Distill：机器学习交互式解释的巅峰之一，虽然已经停更，存量文章仍值得精读。distill.pub

如果只能订阅 5 个

优先推荐：Lil'Log、Sebastian Raschka、科学空间、Eugene Yan、Simon Willison。它们基本覆盖了「原理 × 论文 × 数学 × 工程 × 前沿动态」五个维度。

使用说明

以上博客均为作者个人站点，正文版权归原作者所有，免费阅读不等于可以随意转载或商用；引用、摘录或二次传播前请逐站核对作者声明。个别站点对自动化抓取有限制（如科学空间对脚本访问返回 403），正常浏览器访问不受影响。链接验证时间为本文发布当日，站点可能随时间调整，如遇失效请以搜索引擎结果为准。