社区复现OpenAI前首席科学家Ilya Sutskever给Carmack的30篇AI论文清单

OpenAI前首席科学家Ilya Sutskever曾向传奇程序员John Carmack提供约30篇AI核心论文清单，并称若真正掌握这些内容，即可了解当时AI领域90%的关键知识。

该清单源于Carmack在转向AI研究时向Sutskever求取阅读建议，Sutskever回应以约40篇论文并作出上述评价；原始完整清单据称已不可考，社区根据多方回忆与公开讨论重构了包含RNN、LSTM、AlexNet、ResNet、注意力机制、缩放定律等内容的版本。

多个开源项目已将清单论文转化为可运行代码实现，例如30u30项目以“30天30篇论文覆盖90% AI”为口号，提供从零实现的多头注意力、残差连接、字符级RNN、变分自编码器等，并配套笔记、可视化与练习；部分实现仅使用NumPy以强调底层原理。

覆盖内容包括《Attention Is All You Need》的序列到序列与注意力、ResNet的x + F(x)残差结构使百层网络可训练、Scaling Laws对算力与性能关系的数学描述、LSTM门控机制以及MDL与压缩即智能等理论；项目强调框架更迭迅速而底层数学与架构长期稳定。

Carmack在访谈中确认曾获取并研读该清单，社区项目累计数千行代码实现与多国用户参与；相关实现已在GitHub等平台公开，允许直接运行与扩展。

此现象属于知识结构化驱动的教育资源供给，开发者将口头推荐清单转化为可执行代码与系统课程，注意力从工具追逐转向基础论文复现；受益方为希望系统掌握AI底层原理的工程师，承压方为仅依赖最新框架与提示词的表层学习路径。

来源：公开信息