求提高学习资料的网站不要多只要资料够新

找学习资料最怕什么？不是找不到，是找到一堆过时的东西。去年我在学数据分析，翻出一个教程，兴致勃勃跟着操作，结果界面全变了，代码还报错。后来发现那是三年前的视频，里面的软件版本早就不一样了。从那以后我算是想明白了，学习这回事，资料的新鲜度比数量重要得多。与其收藏一百个网站最后全部吃灰，不如盯住几个更新勤快的，每天看两眼就够了。

先说一个大家都知道的，GitHub。很多人觉得GitHub是程序员的地盘，其实它早就不是了。你搜“awesome list”，什么都有，前端、后端、机器学习、系统设计，甚至还有教你写简历的仓库。重要的是，这些清单里的资源链接是活的，维护者会定期把失效的删掉，换上新的。我有个习惯，每周一早上花十分钟翻几个常看的仓库，看看有没有新的补充。这种更新频率，教程类的静态网站根本比不了。而且你还能看到每个项目的最近提交时间，要是哪个仓库半年没动了，那它里面的内容多半已经跟不上时代了。

再说一个偏门点的，DeepL，一家做翻译的德国公司，他们有免费的文档下载中心。别笑，我认真的。这家公司把自家产品更新日志写成了几百页的技术白皮书，从神经网络架构到训练数据怎么清洗，写得清清楚楚。关键是他们的文档是跟着版本走的，每两个月就出一份新的，里面全是最近这六十天里最新的研究心得。你要是学翻译或者语言学相关的知识，或者单纯想了解AI前线在忙什么，这个地方比看二手转述强多了。

还有个地方容易被忽视，就是各大高校的公开课主页。不是那种在线教育平台整合过的，而是大学自己官网上挂出来的课程页。比如斯坦福的CS224n自然语言处理课，每个学期结束都会把最新的课件、作业、代码示例整个放上去。比起早些年流传的那些老视频，这些学期更新的内容贴合实际多了。我见过不少自学的人还在看某站上搬运的2017年版本，不是说那时候的课不好，但跟现在比，内容确实差了一整个时代。大学官网那些页面通常不带“公开课”这种标签，你得搜具体的课程代码，比如CS224n、CS229、MIT的6.824等等，进去以后直接找assignments文件夹，那个东西每年都在换。

如果你嫌一个个翻官网麻烦，那可以薅RSS的羊毛。很多人觉得RSS是老古董，但它恰恰是跟踪更新的神器。找几个重点网站，把他们的RSS地址丢进阅读器里，每天有新东西它就自己冒出来，不用你逐个点开看。我订阅了十几个和机器学习相关的博客，有几个博主基本是一周两更，发的都是他们实际工作中踩过的坑和找到的新方法。这些东西变成正式教程往往要滞后好几个月，但通过RSS你能第一时间看到。比如搜索“NeurIPS 2024 highlights”，很多研究者会在大会结束后立刻发文总结，比等会议官方出录像快多了。

说到新，有个很反直觉的平台叫arXiv。这个网站严格来说是预印本论文网站，论文还没经过同行评审就直接往上发。很多人觉得科研论文太深奥，跟普通学习者没关系。但实际上，很多新技术的第一手资料就出现在这里。你要是对某个领域感兴趣，不用读全文，只看标题和摘要就能知道最近大家在做哪个方向。比如你学视觉相关的技术，这个月你发现arXiv上有关扩散模型的文章特别多，那接下来半年市面上的新教程大概率都会围绕这个转。这算是一种提前嗅探风向的方法，可以让你在别人还在学旧技术的时候，你已经准备好迎接新东西了。

还想提一个，有些看似娱乐的社区反而是资料更新的温床。比如B站，别急着划走，我指的是那批做技术分享的UP主。他们为了流量会追逐最新的话题，上个月刚出的工具，下个月就有手把手教程。这种速度是传统在线教育平台比不了的。Coursera和edX上的课确实好，但一门课从录到审再到上线，至少半年过去了，等你看的时候，里面的框架可能又出了新版本。有些UP主发的视频标题带“新特性”“快速上手”之类的关键词，内容也许没那么系统，但胜在时间戳新鲜，拿来入门再合适不过。

用这些网站有个小技巧，不要贪多。挑两个你觉得最对胃口的，每周定期看一眼，当作家常便饭。资料够新这件事，不是你加入一百个群聊就能解决的，认识一个人脉广的，不如关注一个天天有货的。我现在每天就固定看几个地方，雷打不动，但学到的东西比以前漫无目的地逛论坛强多了。学习资料这东西，新是标准，够用是底线，其余的功夫都花在坚持上。希望这几个思路能帮你省点时间。