该网站是一个论坛，目前免邀请码开放注册。网站地址：https://bbs.sffai.com/
首页截图：
我找到一个很不错的文章集合，是一个综述专栏，其分享如下：
在科学研究中，从方法论上来讲，都应“先见森林，再见树木”。当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。
- 大模型微调总结
- 一篇综述，看穿基础模型+机器人的发展路径
- 可解释人工智能（XAI）: 数据挖掘视角
- 大语言模型推理性能优化综述
- 专补大模型短板的RAG有哪些新进展？这篇综述讲明白了
- 卡内基梅隆(CMU) | 发布万字综述，克服大模型(LLM)部署障碍，全面理解LLM当前状态！
- 一篇综述，看穿基础模型+机器人的发展路径
- 大型语言模型智能制造业应用
- 图上如何提示？港中文等最新《图提示学习》全面综述，详述图提示分类体系
- 大模型事实性综述 (Survey on Factuality in Large Language Models)
- 如何突破从感知到认知的自然语言理解瓶颈
- 大模型评测111页全面
- 以数据为中心的图学习
- Transformer时代端侧AI芯片的机遇与挑战
- 机器学习模型可解释性的综述
- TPAMI 2023 | 生成式AI与图像合成综述
- Transformer小目标检测 最新综述
- When RS Meets LLM：推荐系统如何从大语言模型中取长补短？面向应用视角的全面综述
- 机器认知四要素说
- 人工智能算法在电力系统中的典型应用范式研究
- 视觉-语言基础模型的提示工程
- 可信赖的大型语言模型
- “评测即科学”：首篇大语言模型评测的综述，一文带你全面了解大模型评测的现状、方法和挑战
- 伦敦大学、MetaAI、StabilityAI联合发布70页综述，盘点大模型的16大挑战
- 吴恩达：机器学习的六个核心算法！
- 全面详述图监督图结构等图学习技术进展
- 人工智能与深度学习
- LLM评估综述论文问世，分三方面全面总结，还带资料库
- 解析深度神经网络背后的数学原理
- 用于时间序列预测的最佳深度学习模型总结
- 李德毅院士：人工智能看哲学
- 时空知识图谱研究进展与展望
- Open Vocabulary学习综述：全面调研
- 当大型语言模型（LLM）遇上知识图谱：两大技术优势互补
- NTU、上海AI Lab整理300+论文：基于Transformer的视觉分割综述
- 重磅发布 | 2022图像图形学发展年度报告【中国图象图形学报综述专刊】
- GPT模型成功的背后用到了哪些以数据为中心的人工智能（Data-centric AI）技术？
- 深度学习应用于时序预测研究综述
- 大模型的涌现能力介绍
- VALSE 2023 | 走向计算机视觉的通用人工智能：GPT和大语言模型带来的启发
- 时态知识图谱的推理研究综述
- 大模型LLM领域，有哪些可以作为学术研究方向？
- 西交大最新《ChatGPT:人工智能生成的内容、挑战与解决方案》综述
- AI研习丨专题：克隆选择算法综述
- GPT 模型成功的背后用到了哪些以数据为中心的人工智能（Data-centric AI）技术？
- 《时间序列预训练模型》综述，29页pdf详述时序预训练方法体系
- ChatGPT大模型如何用于工业？清华最新《大规模基础模型在预测和健康管理(PHM)中的应用》
- 人工智能技术在智慧用能中的应用现状与展望
- ChatGPT内核：InstructGPT，基于反馈指令的PPO强化学习
- “ChatGPT的问题、风险与机遇”会议综述
- 心脑血管数据集的现状分析及其启示
- 利用LLM做多模态任务
- 因果推断与因果性学习研究进展
- 国防科大等最新《时空图神经网络》综述，24页pdf详述其在城市计算预测学习应用进展
- 单目3D目标检测文献综述
- 计算病理及其对精准医学的贡献和价值
- 扩散模型(Diffusion Model)首篇综述
- 多模态融合fusion的各种操作
- AI研习丨智能无人机的空战决策方法
- 伯克利最新《Transformer推理全栈优化》综述，45页pdf
- 人工智能在眼科应用中的现状与未来
- 无人机群智对抗技术研究现状及发展趋势
- ChatGPT发展历程、原理、技术架构详解和产业未来
- 时空图神经网络综述
- AI研习丨基于深度学习的肺结核X射线影像筛查技术研究进展
- 多模态学习综述及最新方向
- 多模态数据的表示、融合方法简述
- 文本摘要经典模型综述
- 通向AGI之路：大型语言模型（LLM）技术精要
- 2022年最有开创性的10篇AI论文总结
- 视频数据的无监督域适应（Video Unsupervised Domain Adaptation）
- 面向关系型数据与知识图谱的数据集成技术综述
- 一文掌握多模态领域的可控文本生成
- 大一统视角理解扩散模型
- 理解反绎学习（Abductive Learning）
- 知识增强预训练语言模型
- 大规模小目标检测
- 时序异常检测综述整理！
- 关于AI大模型的一点思考和讨论
- 神经网络的简单偏好
- 图神经网络异常检测
- 港科大提出：深度学习在全景视觉上的综述
- 视觉+X:数据视角下的多模态学习研究综述，21页pdf涵盖269篇文献详述多模态机器学习进展
- 清华大学教授：唐杰——深度分析：人工智能的下个十年
- 基于强化学习的知识图谱综述
- 万字长文综述人脸识别算法及系统
- 强化学习 safe RL小综述 从TRPO出发 捋清CPO | CUP
- 深度学习中知识蒸馏研究综述
- 小数据如何学习？吉大最新《小数据学习》综述，26页pdf涵盖269页文献阐述小数据学习理论、方法与应用
- 一文综述「联邦图机器学习」，概念、技术、应用全都有
- ICLR 2022的10篇论文推荐
- IJCAI 2022 | 图结构学习最新综述：研究进展与未来展望
- 一篇适合新手的深度学习综述！
- 一文详解神经信息检索领域的最新进展
- 工业缺陷检测深度学习方法综述
- 马毅沈向洋曹颖最新AI综述火了！
- 可信图神经网络综述: 隐私, 鲁棒性, 公平和可解释性
- 2022年最新动态图神经网络（Dynamic GNN）综述
- 上海交大&华为：“非完全监督下基于深度学习的图像分割方法”最新综述
- 自动驾驶轨迹预测
- 重磅发布 | 图像图形学发展年度报告综述专刊《中国图象图形学报》2022年第6期
- IoU、GIoU、DIoU、CIoU损失函数的那点事儿
- Transformers中稀疏自注意力综述，及其在视觉跟踪中应用（IJCAI2022）
- Tesla AI DAY 深度分析 硬核！EP1 Tesla Vision
- 针对深度学习的GPU共享
- 从2022年的这几篇论文看推荐系统序列建模的趋势
- CNN调优总结
- 大规模图神经网络系统综述
- 港科+清华+中科院+微软等——视觉-语言智能最新综述
- 元宇宙技术综述
- 中国医学影像人工智能20年回顾和展望
- 基于深度学习的深度图补全
- 回顾6年深度学习的算法实践和演进
- 基于图神经网络的推荐系统
- 高新波教授：人工智能未来发展趋势分析
- 基于视觉的机器人抓取—从物体定位、物体姿态估计到平行抓取器抓取估计
- 基于图神经网络模型的特征交互建模
- 基于深度学习的计算机视觉研究新进展
- 大规模神经网络最新文献综述：训练高效DNN、节省内存使用、优化器设计
- 十年回顾——CV的未来：ConvNeXt or Transformer?
- 图像异常检测研究现状综述
- NER的简单综述
- 深入理解LightGBM
- 2022图神经网络5篇最新的研究综述：双曲/图分类/联邦/等变/异质性
- 深度神经网络 FPGA 设计进展、实现与展望
- 视觉-语言（VL）智能：任务、表征学习和大型模型
- 基于深度学习的SLAM综述：迈向空间机器智能时代
- Michael Bronstein 最新几何深度学习综述：超越 WL 和原始消息传递的 GNN
- 从识别到推理——规则学习（Rule Learning）综述
- 公平机器学习：概念、分析与设计
- 知识蒸馏 | 最新2022研究综述
- MICCAI-2021医学图像分割领域69篇文章速读概览（文末附总结）
- 除了NLP，Transformer还可以用来做什么？
- 最新视觉-语言预训练综述
- 图注意力模型综述 Attention Models in Graphs: A Survey
- TPAMI 2022｜华为诺亚最新视觉Transformer综述
- 自动驾驶多模态传感器融合的综述
- COLING2020 NLP中的持续学习综述
- 强化学习可解释性
- 周志华教授：关于深度学习的一点思考
- 从微分几何和代数拓扑的视角来重新探讨图神经网络
- 目标检测：Nms-Free时代
- 多实例学习-入门篇
- 交通预测中的图神经网络
- 深就是好? GNN的深度架构到底有没有用?
- 零样本学习 Zero-Shot Learning集锦
- 基于深度学习的小目标检测研究进展
- 小样本学习中的自监督元素
- 主动学习（Active Learning）概述及最新研究
- 自动驾驶中可解释AI的综述和未来研究方向
- Transfer, Life-Long, Meta Learning基础知识汇总
- 小样本学习对大数据深度学习有什么作用？
- 传统推荐方法相关论文和代码
- 时序预测的DL-based方法总结：Attention、Transformer、GNN、GAN、…
- Graph Neural Networks （GNN）综述简介
- 当BERT遇上知识图谱
- 零样本学习–一文先了解
- 小样本学习方法(FSL)演变过程
- 多智能体强化学习算法总结
- A Theory of Domain Adaptation
- NLP实操手册: 基于Transformer的深度学习架构的应用指南(综述)
- 顶会的宠儿：元学习(Meta-learning)的前世今生
- 多模态知识图谱前沿进展
- 图神经网络及其在视觉/医学图像中的应用
- Transformer+self-attention超详解（亦个人心得）
- DNN与两大门派，一念神魔，功不唐捐
- 最新最全的视觉 Transformer 综述请查收！
- 推荐系统里预训练的工作
- 高精度点云配准
- 深度学习多目标优化的多个loss应该如何权衡
- GNN入门
- 关于AI Architecture未来的一些思考
- 近十年的VI-SLAM算法综述与发展
- 模型量化概述
- 拯救深度学习：标注数据不足下的深度学习方法
- 给模型加入先验知识
- NLP的“第四范式”之prompt learning总结
- 纯干货 | 无监督核心聚类算法
- MLP is Maybe Your Need
- SOM(自组织映射神经网络)——理论篇
- GAN学习指南：从原理入门到制作生成Demo
- 深度学习模型大小与模型推理速度的探讨
- 一文了解推荐系统中的图神经网络
- 自编码器的最佳特征：最大化互信息
- 系统了解Encoder-Decoder 和 Seq2Seq及其关键技术
- GNN解耦表征论文汇总
- 最简单的self-supervised方法
- 识别与诊断–基于深度学习的计算病理学进阶应用
- BERT知识蒸馏综述
- More About Attention
- NLP词向量发展历程
- 基于深度学习的有监督关系抽取方法简介
- AI系统安全的实用方法
- 一篇综述带你全面了解领域泛化(Domain Generalization)
- 到底什么是生成式对抗网络GAN？
- DeepGNN: 图神经网络如何变深
- Few-shot Learning 小白入门笔记
- 联邦学习：从集中化学习到分布式现场学习的发展过程
- 对比学习的浅显总结及其在NLP下的应用
- 冯志伟 | 我国计算语言学研究70年
- 强化学习（Reinforcement Learning）知识整理
- 领域自适应(Domain Adaptation)的理论分析
- 医学图像半监督分割的一些感触
- 干饭人，干饭魂，搞懂图神经网络稳饭盆
- 少样本学习综述
- Bayesian Neural Networks：贝叶斯神经网络
- 少样本学习综述：小样本学习研究综述（中科院计算所）
- 自监督学习的一些思考
- 详解深度学习中的Normalization，BN/LN/WN
- 自监督学习看这篇就够了！
- 一文读懂Faster RCNN
- 当可解释人工智能遇上知识图谱
- CVPR 2021 自动驾驶相关论文汇总
- 十分钟理解Transformer
- 思考无标注数据的可用极限
- Graph Embedding
- ICRA 2021自动驾驶相关论文汇总
- IJCAI 2021｜ 基于图学习的推荐系统综述
- 排序学习（Learning to rank）综述
- 零样本文本分类探秘
- 重磅发布 | 图像图形学发展年度报告（中国图象图形学报第6期综述专刊）
- 域适应(UDA)和半监督(SSL)的恩怨情仇
- Meta Learning — Introduction to meta-learning
- 网络模型加速——轻量化网络
- 关于GNN的几个疑问的思考
- 图卷积神经网络(GCN)速览
- 从零到一：生成对抗网络GAN完全掌握
- 目标检测综述整理
- Bert向量表示不能直接用于相似度问题的分析
- 从迁移学习到图像合成
- 隐私计算的另一个思路：使用差分隐私实现的隐私模型聚合
- Transformer 论文详细解读
- 注意力机制
- 对比学习入门 A Primer on Contrastive Learning
- 梯度爆炸与梯度消失
- 课程学习（Curriculum Learning）简介
- 基于预训练的推荐系统知识迁移综述
- 一文回顾Transformer 和 预训练模型
- 关于Transformer几个内部细节的总结
- 深入浅出带你读懂图卷积神经网络原理和pytorch代码实现
- 从5大挑战带你了解多模态机器学习
- 深度学习中的图像分割：方法和应用
- 目标检测中的框位置优化总结
- 神经网络的可解释性综述
- 元学习-总结
- 对抗网络：李宏毅GAN课程笔记
- 课程学习经典论文解读-自步学习
- 预训练模型-中文预训练模型
- 知识蒸馏在推荐系统中的应用
- 如何在标注存在错标的数据上训练模型
- DL：LSTM如何实现长短期记忆
- 卷积网络压缩方法总结
- 深度学习模型泛化性小结
- transformer面试题的简单回答
- 进化吧，self_attention
- 如何定义目标检测网络的正负例：Anchor-based
- 走马观花AutoML
- 自然语言处理面试题
- group convolution (分组卷积)详解
- 最简单的self-supervised方法
- 神经网络可解释性综述
- 什么是知识图谱｜知识图谱入门｜概述
- 《Multitask Learning》多任务学习发展的关键节点
- 图神经网络综述
- 初探Explainable AI
- 超详细的NLP预训练语言模型总结清单！
- Transformer的9种变体概览
- 知识图谱综述
- 各细分学习领域调研(A Survey for Learning Fields)
- Distributed Training：强化学习并行训练论文合集
- 用放大镜看Transformer——总体和各个模块的结构到底是什么样的
- 注意力机制到底是什么——基于常识的基本结构介绍
- 乘风破浪的PTM：两年来预训练模型的技术进展
- 对比学习（Contrastive Learning）综述
- 深度学习中的Normalization模型
- 目标检测之Neck选择
- 基于能量的模型
- Image matting—图像抠图入门篇
- 深度生成式模型
- 知识蒸馏在推荐系统的应用
- 深度学习中眼花缭乱的Normalization学习总结
- 关于知识图谱和语言模型的想法
- 循环神经网络RNN（含LSTM，GRU）小综述
- 一文讲述LSTM及其变体
- 认知科学中的迭代模型，何以缓解语言迁移
- 知识图谱综述
- 如何提高强化学习算法模型泛化能力初探
- 3W字长文带你轻松入门视觉transformer
- 类脑运算：脉冲神经网络（Spiking Neural Network）叙述
- 对抗训练——终极数据增强？
- 浅谈微信AI在通用图像搜索领域的探索
- 贝叶斯神经网络BNN(推导+代码实现)
- 2020 Pose Estimation人体骨骼关键点检测综述笔记
- 多目标跟踪（MOT）入门
- Anchor-free应用一览：目标检测、实例分割、多目标跟踪
- 语音转换Voice Conversion：特征分离技术
- Domain Adaptation基础概念与相关文章解读
- 一日看尽长安花——NLP可解释研究梳理
- 损失函数理解汇总，结合PyTorch和TensorFlow2
- 点云距离度量：完全解析EMD距离(Earth Mover’s Distance)
- One Shot NAS总结
- 图神经网络与深度学习在智能交通中的应用：综述Survey
- 异质图神经网络学习笔记
- Self-supervised Learning
- 元学习综述
- 异常检测：Anomaly Detection综述
- 计算机视觉基本任务综述
- 小样本学习——概念、原理与方法简介（Few-shot learning）
- 基于元学习的现实场景应用论文介绍
- Graph Neural Network: An Introduction Ⅰ
- 单阶段实例分割
- 知识图谱学习资源——知识图谱综述总结
- 薛建儒: 自动驾驶的场景理解研究
- arXiv最新论文：自动驾驶中深度学习
- SLAM回环检测方法
- 视频摘要最新综述文章，附45页综述全文下载
- 常用聚类算法综述
- CVPR2019目标检测方法进展综述
- AutoML自动机器学习：最新进展综述
- 图神经网络（Graph Neural Networks，GNN）综述
- 写作机器人综述
- 目标检测简明综述
- 多模态机器学习综述
- 复杂环境文字识别技术研究及应用进展
- 基于深度学习的目标检测算法综述
- 机器学习在社会科学中的应用（全文）
- 非精确图匹配方法综述
- 人体骨骼关键点检测综述
- 深度神经网络加速与压缩
- 人脸检测算法综述
- 多模态学习研究进展综述
- 神经科学启发的人工智能
- 博彩众长，自成一家的神经机器翻译
- 大数据近似最近邻搜索哈希方法综述（上）（附PDF下载）
- 大数据近似最近邻搜索哈希方法综述（下）（附PDF下载）
- 步态识别的深度学习综述
- 脑启发的视觉计算2017年度关键进展回顾（附PPT）
- 跨领域推荐系统文献综述（上）
- 跨领域推荐系统文献综述（下）
- 11页长文综述国内近三年模式分类研究现状（完整版附PDF）
- 超长综述让你走近深度人脸识别（附源码）
- 孙仕亮：多视图机器学习综述
- 迁移学习简明手册
- 朱松纯教授浅谈人工智能：现状、任务、构架与统一（附PPT）
- 图像物体分类与检测算法综述
- 掌纹识别近十年进展综述
- 国内近三年模式分类研究现状综述（附PDF）
