Awesome Al for Science - 科学领域的AI资源汇总
这是一个由ai-boost维护的GitHub仓库，汇总了用于加速科学发现的AI工具、库、论文、数据集和框架，覆盖物理、化学、生物等多学科，包含20+分类资源。
✨重点
●🔬[AI工具] 提供文献管理、数据分析、数据标注等工具，覆盖知识提取到可视化全流程
●📝[论文转换] 支持论文→海报/幻灯片/图形摘要自动生成，提升科研成果展示效率
●📊[图表处理] 包含理解与生成图表的工具，解决数据可视化与解读痛点
●🔄[可复现性] 提供论文→代码转换工具，确保研究结果可复现与验证
●📚[文献资源] 分类整理AI for Science基础论文、综述及领域应用案例
●🔬[科学ML] 涵盖神经微分方程、物理信息神经网络等前沿科学计算模型
●🏛[学科覆盖] 包含生物、医学、材料、天文等10+领域的AI应用资源
●🧪[数据集] 提供科学研究专用数据集与基准测试资源，支持多场景验证
●🤖[自主研究] 整合AI代理与自主工作流工具，实现科研任务自动化处理
●📌[知识图谱] 包含从学术文献中提取知识的工具，构建科学领域知识网络
●💡[教育资源] 提供AI与科学计算相关课程、教程及开放教育材料
●🌐[开源社区] 支持社区贡献更新，包含20+子分类的持续扩展资源
这是一个由ai-boost维护的GitHub仓库，汇总了用于加速科学发现的AI工具、库、论文、数据集和框架，覆盖物理、化学、生物等多学科，包含20+分类资源。
✨重点
●🔬[AI工具] 提供文献管理、数据分析、数据标注等工具，覆盖知识提取到可视化全流程
●📝[论文转换] 支持论文→海报/幻灯片/图形摘要自动生成，提升科研成果展示效率
●📊[图表处理] 包含理解与生成图表的工具，解决数据可视化与解读痛点
●🔄[可复现性] 提供论文→代码转换工具，确保研究结果可复现与验证
●📚[文献资源] 分类整理AI for Science基础论文、综述及领域应用案例
●🔬[科学ML] 涵盖神经微分方程、物理信息神经网络等前沿科学计算模型
●🏛[学科覆盖] 包含生物、医学、材料、天文等10+领域的AI应用资源
●🧪[数据集] 提供科学研究专用数据集与基准测试资源，支持多场景验证
●🤖[自主研究] 整合AI代理与自主工作流工具，实现科研任务自动化处理
●📌[知识图谱] 包含从学术文献中提取知识的工具，构建科学领域知识网络
●💡[教育资源] 提供AI与科学计算相关课程、教程及开放教育材料
●🌐[开源社区] 支持社区贡献更新，包含20+子分类的持续扩展资源
❤2
Aayush Garg 撰写的一篇发表在huggingface博客上的技术教程，《PPO From First Principle》（从第一性原理看 PPO）。
该项目的核心目的是摒弃高级封装库（如 Stable Baselines3），完全从零开始用 PyTorch 实现 PPO（Proximal Policy Optimization，近端策略优化）算法，以帮助读者深入理解其底层数学原理和代码逻辑。
很多开发者只会调用现成的 RL 库，但不理解算法内部发生了什么。这篇文章会打破这种黑盒，通过手写每一行核心代码来揭示 PPO 的工作机制 。PPO 是目前最流行的强化学习算法之一（也是 ChatGPT 等大模型 RLHF 阶段背后的核心算法），因为它在实现简单性、样本效率和性能之间取得了很好的平衡 。
该项目的核心目的是摒弃高级封装库（如 Stable Baselines3），完全从零开始用 PyTorch 实现 PPO（Proximal Policy Optimization，近端策略优化）算法，以帮助读者深入理解其底层数学原理和代码逻辑。
很多开发者只会调用现成的 RL 库，但不理解算法内部发生了什么。这篇文章会打破这种黑盒，通过手写每一行核心代码来揭示 PPO 的工作机制 。PPO 是目前最流行的强化学习算法之一（也是 ChatGPT 等大模型 RLHF 阶段背后的核心算法），因为它在实现简单性、样本效率和性能之间取得了很好的平衡 。
Ultimate Linux!!!：一个由 Uros Popovic 创建的一个实验性项目，该项目会构建一个用户空间（Userspace）主要由 JavaScript 编写的微型 Linux 发行版。
目标其实是帮助开发者理解“Linux 只是内核，而操作系统是由内核之上的软件定义的”。
同时也是因为作者为了回应关于系统编程语言（如 C, Go, Rust）的争论，他故意选择了一种通常被认为“不适合”系统开发的语言——JavaScript，来构建这个系统。
目标其实是帮助开发者理解“Linux 只是内核，而操作系统是由内核之上的软件定义的”。
同时也是因为作者为了回应关于系统编程语言（如 C, Go, Rust）的争论，他故意选择了一种通常被认为“不适合”系统开发的语言——JavaScript，来构建这个系统。
❤1🔥1
LaTeX 教程：《How to Reproduce this Book Exactly with \LaTeX》（如何用 LaTeX 精确复刻本书）
本教程不仅教会你 LaTeX 的语法，更通过展示自身的源码，教会你如何设计一本审美在线、结构清晰的数学书籍。如果你想制作一份看起来像出版物一样的数学笔记，这本书是极佳的参考。
本教程不仅教会你 LaTeX 的语法，更通过展示自身的源码，教会你如何设计一本审美在线、结构清晰的数学书籍。如果你想制作一份看起来像出版物一样的数学笔记，这本书是极佳的参考。
@piracy9 此群组要变私密群组了，垃圾广告号太他么多了，受不了了。虽然有建bot的bot，奈何人懒不想折腾。谁想进的就进，以后还开不开放，没准儿
晚上封群
补充：加入了比较棒的bot，暂不封群了
如有误伤，找 @ashbur_bot
补充：加入了比较棒的bot，暂不封群了
如有误伤，找 @ashbur_bot
😱15❤6👎3
学习新知识时常常需要在多个工具间来回切换，看论文用一个软件，做笔记用另一个，遇到问题还得单独搜索，效率很低。
DeepTutor 是香港大学开源的 AI 学习助手，把文档问答、知识可视化、练习生成、深度研究等功能整合到一个平台。
上传教材或论文后，系统会构建知识库，支持多轮对话问答并给出带引用的分步解答。还能根据学习进度自动生成练习题，甚至模拟真实考试风格出题。
主要功能：
- 大规模文档知识问答，支持教材、论文、技术手册等多种格式；
- 多智能体协作解题，结合 RAG、网络搜索和代码执行给出分步解答；
- 交互式知识可视化，将复杂概念转化为易懂的图解和演示；
- 智能练习生成，根据学习水平定制题目，支持模拟真题风格；
- 深度研究与文献综述，自动发现知识空白和研究方向；
- 个人知识库和笔记本，追踪学习进度并保持上下文记忆。
支持 Web 界面使用，通过 Python 和 npm 安装依赖后即可本地运行，适合学生、研究人员和自学者使用。
DeepTutor 是香港大学开源的 AI 学习助手，把文档问答、知识可视化、练习生成、深度研究等功能整合到一个平台。
上传教材或论文后，系统会构建知识库，支持多轮对话问答并给出带引用的分步解答。还能根据学习进度自动生成练习题，甚至模拟真实考试风格出题。
主要功能：
- 大规模文档知识问答，支持教材、论文、技术手册等多种格式；
- 多智能体协作解题，结合 RAG、网络搜索和代码执行给出分步解答；
- 交互式知识可视化，将复杂概念转化为易懂的图解和演示；
- 智能练习生成，根据学习水平定制题目，支持模拟真题风格；
- 深度研究与文献综述，自动发现知识空白和研究方向；
- 个人知识库和笔记本，追踪学习进度并保持上下文记忆。
支持 Web 界面使用，通过 Python 和 npm 安装依赖后即可本地运行，适合学生、研究人员和自学者使用。
❤12