The 2025 AI Engineer Reading List

2025 年 AI 工程师必读文献清单，深度覆盖前沿技术与实战应用，助你精准把握行业脉搏。

• 精选约 50 篇核心论文，涵盖大语言模型（LLM）前沿、基准测试、提示工程、检索增强生成（RAG）、智能代理、代码生成、视觉、语音、扩散模型及微调技术，系统化构建知识体系。📚
• 摒弃重复讨论“Attention is All You Need”，聚焦对工作最有价值的前沿与实操内容，节省时间提升效率。
• 深入介绍主流 LLM（GPT 系列、Claude、Gemini、LLaMA 系列及中国领先模型如 Kimi K-2、Qwen 3），并推荐理解模型架构与应用的最佳实践。
• 系统梳理基准测试（MMLU、GPQA、BIG-Bench、MRCR、MATH、IFEval、ARC AGI 等），揭示行业对模型能力评估的趋势与挑战。
• 重点解析提示工程与链式思维（Chain of Thought）、自动提示优化、信息检索技术与 RAG 演进，强调检索与生成的融合是当前 AI 工程的核心竞争力。
• 盘点智能代理（Agents）设计与评测，涵盖工具调用、记忆机制、认知架构，体现代理系统从理论到产品的迁移。
• 代码生成领域涵盖从基础数据集 The Stack 到最新模型（DeepSeek-Coder、CodeLlama 等），并关注代码安全检测（CriticGPT）与工程实践。
• 视觉与语音模块全面更新，介绍最新视觉基础模型（SAM 2、CLIP、BLIP 系列）、多模态融合趋势及领先语音识别与合成技术（Whisper、AudioPaLM、NaturalSpeech）。
• 深入扩散模型（Stable Diffusion、DALL·E、Imagen）及文本到视频生成最新动态，强调生成模型的多样化和商业化趋势。
• 微调技术创新（LoRA/QLoRA、DPO、ReFT 等）及强化学习微调探讨，助力定制高效模型。
• 三大启发：
 1. 工作中必须关注的不是单一论文，而是贯穿全链路的工程实践与评测体系；
 2. RAG 与智能代理的结合已成 AI 工程核心，理解检索历史与方法不可忽视；
 3. 多模态融合趋势明确，语音与视觉技术的交汇将驱动下一个爆点。

持续更新，适合从零基础到高级工程师，打造扎实且前瞻的 AI 工程能力。

详情查看🔗latent.space/p/2025-papers

#人工智能# #大语言模型# #AI工程# #机器学习# #多模态# #智能代理# #代码生成# #提示工程#