什么内容值得进入 Pusulam
原始证据、清楚归属、有意义的变化或有用的经验，以及与真实任务的联系。知名人士可以成为阅读的起点，但不能代替证据。
信息流背后的声音
我们关注的一些原始来源，以及从中学习的内容。
Ethan Mollick
浏览全部来源面向工作、领导力与教育的 AI 实践实验。
访问原始来源Jeff Su
适用于日常专业工作的实用 AI 工作流程。
访问原始来源Hamel HusainAI 产品开发中的评估、错误分析与实践经验。
访问原始来源Amanda Bickerstaff · AI for Education
课堂应用、教师资源与 AI 素养。
访问原始来源Sebastian Raschka语言模型工程实践、研究与视频课程。
访问原始来源Andrew Ng · DeepLearning.AI关于代理、RAG 与 AI 工程的实践课程和演示。
访问原始来源Andrej Karpathy
从基础出发的 AI 教育、原创讲座与代码演示。
访问原始来源Simon Willison
语言模型、开发工具和 AI 安全的实践探索。
访问原始来源OpenAI
原始模型与产品发布、技术资料及明确说明的限制。
访问原始来源Anthropic
Claude 发布、代理构建研究与团队文档。
访问原始来源Google DeepMind
Google DeepMind 的第一手研究和模型公告。
访问原始来源Hugging Face
开放模型、社区工具与实践学习资源。
访问原始来源从原始来源到你的下一步
- 01
从原始来源开始
阅读公告、研究、演示或第一手解释，保留原始链接和发布日期。
- 02
问清发生了什么变化
寻找具体能力、限制、工作方式或经验，区分来源的主张与证据支持的内容。
- 03
审核解释
发布内容经过编辑来源审核，或内容生成与独立验证。未通过验证的生成内容不会发布。
- 04
让内容对你有用
你明确表达的工作、目标、国家和预算影响内容选择与实践起点。资料应用前由你审核。
- 05
保留回到原文的路径
每篇文章都有来源链接。阅读原文了解完整上下文，也可返回档案与已保存内容。
我们的审核意味着什么
我们检查解释是否忠实于原始来源。这并不能证明来源中的所有主张都正确。公司公告、独立报道和教学演示提供不同类型的证据。
清晰的信息，也能深入探索
我们精选内容，而非涵盖一切。发布日期与原文链接保持可见，档案让你回顾过去的发展。目标是帮助你跟上与生活和工作有关的变化。
