LiminalML

嗨，Product Hunt 👋

我是 Oliver，一家隐身模式创业公司的机器学习工程师。LiminalML 最开始是我为自己打造的。

我反复遇到的困扰是：当我想要深入理解某些内容时——比如 Transformer、用于研究的 MTL 方法，或者面试备考中真正遇到的任何知识——我总会接触到大量不同的优质学习资源，它们分散在不同的地方：斯坦福在线课程、大学课堂笔记，甚至是原始的论文本身。久而久之，我摸索出一套特别契合我个人学习方式的结构，我希望所有教育资源都能采用这套结构。这就是「学会任何主题的六个阶段」概念的由来，它帮助我把任何想掌握的内容学到精通的层次。这套方法帮我为面试保留了大量信息，因为在机器学习领域，大家被要求掌握从经典 ML 到计算机科学基础，再到后训练技术、注意力机制等等的一切，对于一个即将毕业的新人来说，要兼顾学业完成所有这些内容，着实不易。

所以 LiminalML 把每一个主题都放进同样的六个阶段：宏观直觉、可视化、一步步推导的数学、可以真正运行和编辑的代码、面试官会追问的问题，以及最后用来检验是否真正掌握的检索式练习。数学公式、图表和代码都会内嵌渲染，每一次学习记录都会保存下来，方便你之后继续接着学。它底层由 Claude 提供支持。

它面向所有想要深入钻研 ML 或软件工程的人。面试准备是最硬核的应用场景：你可以上传简历，让系统在每次学习时结合简历内容，并根据简历生成 STAR 法则的故事，从而在检索练习阶段为你定制问题。我自己也经常用它来重新巩固那些已经生疏的基础知识。如果你想在注册前先看看内容形式，概念页面无需账号即可免费阅读。

目前只有我一个人在开发这个项目，还处于早期阶段，所以我真诚地欢迎大家反馈：哪些地方讲解应该再深入一些，或者六个阶段的结构在哪些地方反而妨碍了学习。我也很乐意聊聊它的实现方式。