这是计算机科学领域的经典宝藏库。

汇聚了《计算机程序设计艺术》系列的多部著作；提供了从基础算法到高级组合算法的全面学习资源；适合从新手到专家的各个阶段的学习者

The-Art-of-Computer-Programming-Books | #计算机科学

RGL - RAG-on-Graphs Library：为AI研究者提供高效、易用的图检索增强生成框架。

无缝集成DGL和PyG，兼容性强；C++优化的检索算法，性能提升显著；支持大规模图数据，轻松处理复杂任务

一款强大的文档翻译工具，让科学文献翻译变得轻松高效。

支持多种语言翻译，主要聚焦英译中；提供命令行界面和Python API，灵活易用；1000页免费翻译额度，助力学术研究

BabelDOC | #工具

LangGraph Supervisor：用Python打造的多Agent系统“指挥官”，轻松构建分层多Agent架构。

通过中央Agent协调多个专业Agent，高效分配任务；提供灵活的消息历史管理，精准控制对话流程；支持多级层次结构，可扩展性强

rnaglib：RNA 3D和2.5D结构的深度学习数据集，为RNA结构研究提供强大的数据支持。

提供超过8000个RNA结构数据；支持多种生物相关任务的基准测试；提供丰富的RNA注释和可视化功能

DeepGit：帮你找到GitHub上最佳仓库的深度研究Agent。

深度语义搜索，精准匹配用户需求；综合分析仓库的代码、文档和社区活跃度；开源透明，助力研究型开发者

pg-mcp：为PostgreSQL数据库提供强大AI支持的Model Context Protocol服务器。

支持多数据库连接，可同时连接多个PostgreSQL数据库；提供丰富的数据库目录信息，包括表/列描述；提供详细的PostGIS和pgvector扩展知识，助力AI Agent高效查询

MCP Java SDK：为Java开发者提供与AI模型交互的标准化接口，让Java应用轻松接入AI能力。

支持同步和异步通信模式，满足不同场景需求；与Spring AI深度协作，无缝集成Spring生态；提供详尽的参考文档，助力开发者快速上手

探索大型语言模型的“思维”奥秘：Anthropic 的研究人员通过一种称为 “AI 微观” 的工具，深入探究了大型语言模型（如 Claude）的思维过程，揭示了模型如何进行多语言处理、诗歌创作、数学计算、推理链、事实检查和安全机制等方面的思维模式。

Anthropic 研究了大型语言模型的内部运作，发现模型在多语言处理时使用共同的概念空间；在创作诗歌时，模型能够提前规划和适应性地调整其创作；在数学计算方面，模型采用了多路径径策，同时具备在回答问题时进行多步骤推理的能力，以及在面临欺骗时的真实推理能力。

此外，研究还涉及了模型如何避免不必要的回答，以及如何处理安全问题，如何避免产生有害输出。

揭示语言模型如何在多语言间共享概念，发现其通用的“思维语言”；证明模型在创作诗歌时会提前规划押韵，展现其长跨度的思考能力；检测模型在面对难题时可能编造看似合理的解释，帮助我们识别其潜在的“欺骗性”

On the Biology of a Large Language Model：深入剖析大型语言模型的内部机制，为理解其决策过程提供前所未有的视角。

通过电路追踪技术揭示模型内部的多步推理过程；发现模型在创作诗歌时的“规划”行为，提前布局押韵词汇；展示模型在多语言任务中使用语言无关的通用电路，提升跨语言泛化能力