30papers.com – Ilya 的 30 篇必读机器学习论文，以适合初学者的形式呈现

网站的目的与起源

• 由一名大一 CS 学生作为副项目构建，目的是帮助朋友开始阅读机器学习论文。
• 起初只是一个小型、非正式的资源；没想到会获得如此多关注。
• 目前网站主要是汇总列表并托管重新排版后的论文版本；是否继续扩展的意图仍在演变。

论文列表的来源与可信度

• 该列表被描述为基于一份“据说”由一位知名研究员交给另一位知名工程师的论文清单。
• 一些评论者质疑其真实性，指出流传着多个版本的列表、缺乏明确来源，而且最初的故事提到大约 40 篇论文。
• 也有人提到 X 上的帖子以及一本商业化的 “Sutskever’s List” 书，认为它们相关或起到了佐证作用。
• 还有几位评论者得出的结论是：无论出处如何，这些精选论文都被广泛认为质量很高且具有教学价值。

UX、设计与可访问性反馈

• 对主页大量动画、背景动效和滚动行为的强烈批评；有人表示会头晕和头痛。
• 建议包括：尊重减少动态效果的偏好、错开动画、简化或移除特效、增大字体、降低页眉高度，以及提供纯列表视图。
• 作者随后添加了可关闭动效和复杂背景的开关，但仍有人认为字体和导航有问题。

论文渲染与“适合初学者”说法

• 有人抱怨 LaTeX 渲染很差，下标/上标被压平，图片/表格缺失，导致数学内容很难跟上。
• 多位评论者认为在这种状态下，与其部分重新渲染 PDF，不如直接链接到 arXiv。
• “适合初学者的格式”这一标签也受到质疑：内容仍然偏数学化，而且并没有明显的辅助支架。

对注释、顺序与上下文的请求

• 多名用户原本期望能看到简短解释或注释，概括关键思想以及作者从中学到了什么。
• 请求包括：
  • 明确说明网站目标。
  • 按时间顺序或“逻辑”顺序阅读（例如先看早期注意力论文，再看 Transformer；先看基础机器学习，再看现代深度学习）。
  • 提供规范引用（作者、年份、会议/期刊）。
• 作者表示愿意加入注释和反思，也提到自己在别处有一些非正式笔记，并欢迎贡献，同时提醒自己并非受过正规机器学习训练。

替代资源与相关工作

• 评论者分享了：
  • 从网站 JSON 中提取出的纯链接列表。
  • 用于批量下载和整理论文的 shell 命令与 Zotero 技巧。
  • 之前的博客系列，对同一组论文给出了通俗解释。
  • 其他推荐的入门资源（例如图解 AI 指南、经典课程，以及像 CS231n、《Understanding LSTMs》、《Unreasonable Effectiveness of RNNs》这样的讲解文章）。

社区与元讨论

• 有人称赞该网站是一种漂亮且有激励作用的方式，能将重要的机器学习工作呈现出来。
• 也有人非常批评，称其为 clickbait、LLM 级别的策展，或为了可用性而牺牲了实用性的“vibe-coded”产物。
• 还有一大段子线程在讨论 Hacker News 的文化：尖锐与建设性批评、对社区准则的遵守，以及这种反馈对新创作者的情绪影响。