Kōsōsumi：一个以研究为导向的AI学习路线图

Kōsōsumi是由Purushotham-Kurchavati在GitHub上维护的AI学习知识库，核心是通过研究论文阅读和概念梳理，帮助学习者从基础到现代AI系统建立扎实知识体系。它定位为研究导向，拒绝快餐式学习，适合愿意深度学习、长期发展的AI学习者，而非寻求快速入门者。

Kōsōsumi名称源自日语“構想墨”，寓意“将概念性的系统设计以文字形式保存下来”。当前AI资源碎片化，初学者常无所适从，项目旨在提供系统化学习路径，避免知识堆砌，强调认知构建过程。

研究导向而非教程导向

• 强调深度理解（知其然更知其所以然）
• 扎根学术论文，培养学术思维
• 概念先行，先建立基础再接触工具
• 鼓励反思式学习，记录思考

渐进学习路径

涵盖基础概念（数学、统计学习理论）、经典方法（监督/无监督/强化学习）、深度学习（神经网络等）、现代系统（Transformer、大语言模型）、前沿方向（多模态、AI安全）。

• ROADMAP.md：核心路线图，按认知逻辑排列学习阶段
• research目录：筛选的研究论文+分析笔记（如Devin 2025评估报告、SWE-1.5智能体模型）
• notes目录：存放学习思考与总结
• projects：规划中实践项目
• resources：规划中参考资源（课程、书籍等）

慢学习理念

• 慢即是快：基础扎实后续高效
• 少即是多：精选高质量资源深入理解
• 写即是思：通过写作内化知识

论文驱动学习

• 直接读论文避免信息失真
• 培养批判性思维（评估方法优缺点）
• 建立技术发展脉络

持续演进

作为“living project”随研究重点调整，培养元学习能力。

• 建立概念地图：避免碎片化学习
• 重视基础学科：数学、统计是理解AI的钥匙
• 培养研究品味：通过优秀论文建立直觉
• 记录与输出：用自己语言解释概念实现知识重构

资源对比

特点	Kōsōsumi	在线课程	技术博客	开源项目
深度	高	中等	参差不齐	依赖文档
系统性	强	中等	弱	弱
学术性	强	弱	弱	弱
实践性	规划中	强	中等	强
更新频率	持续演进	固定版本	随机	依赖维护

总结

Kōsōsumi回归本质，强调基础、研究能力与系统思维，适合长期发展的AI学习者，提供值得探索的深度学习路径。