papers-with-annotations
papers-with-annotations 是一个专注于人工智能领域的开源项目，旨在通过可视化的方式降低学术阅读门槛。它收集了多篇经典的 AI 研究论文，并为其添加了详细的手写注释、图解说明以及关键技术术语的背景解释。
阅读原始学术论文往往充满挑战，复杂的公式、晦涩的术语以及缺乏直观图示常让读者难以快速抓住核心思想。papers-with-annotations 正是为了解决这一痛点而生，它将枯燥的文献转化为易于理解的“导读版”，帮助读者直观地把握论文主旨，理清技术脉络。
该项目非常适合 AI 研究人员、深度学习开发者、学生以及对认知科学感兴趣的跨领域学习者使用。无论你是想快速入门某个新方向，还是希望深入理解经典算法的底层逻辑，这里整理的资源都能提供极大便利。目前项目已涵盖目标检测、卷积神经网络、无监督学习等多个热门主题。
其独特的技术亮点在于采用了“人机协作”的标注模式：创作者利用 iPad 和 Apple Pencil 在 PDF 上进行自然的手写批注和绘图，再结合数字化工具导出。这种类似课堂笔记的风格，不仅保留了思考的温度，更比纯文本解释更加生动清晰。欢迎社区成员贡献自己标注的论文，共同构建这个开放的知识库。
使用场景
一名计算机视觉工程师正在复现最新的物体检测算法，试图理解论文中复杂的网络架构和数学推导。
没有 papers-with-annotations 时
- 术语查阅中断思路：遇到陌生的技术术语或引用文献时，必须暂停阅读去搜索引擎或维基百科查找，导致思维连贯性频繁被打断。
- 图表理解困难：论文中的架构图往往过于抽象，缺乏对数据流向和关键模块的直观解释，需要花费大量时间反复推敲才能脑补出运行逻辑。
- 核心思想捕捉慢：在密密麻麻的文字公式中难以快速定位作者的核心创新点，容易陷入细节而忽略整体设计意图，阅读效率极低。
使用 papers-with-annotations 后
- 即读即懂无需跳转：直接查看文中嵌入的手写注释和术语解释，无需离开文档即可理解关键概念，保持了深度阅读的专注流。
- 可视化逻辑清晰：借助重新绘制的彩色示意图和箭头标注，网络结构的数据流转一目了然，瞬间理清了模型各部分的协作关系。
- 直觉获取核心观点：通过高亮标记和简短的旁注说明，能迅速抓住论文的创新本质和实验结论，将单篇论文的精读时间缩短了一半以上。
papers-with-annotations 通过将晦涩的学术语言转化为直观的视觉笔记，让研究人员能从“解码文字”转变为“吸收知识”，极大降低了前沿 AI 论文的学习门槛。
运行环境要求
未说明
未说明
快速开始
带注释的论文 (PwA)
（由 Alisher Abdulkhaev 创建。Twitter | LinkedIn | GitHub | alisher@mltokyo.ai）
该项目汇集了多篇与人工智能相关的论文，并配有插图、注释以及对技术关键词、术语和相关研究的简要解释，从而使得这些论文更易于阅读，也更容易直观地理解其核心思想。
如果您有类似这样带有注释的研究论文（与人工智能、机器学习、深度学习、神经科学、认知科学等相关），欢迎随时提交新的 Pull Request。
同时，也请通过在此仓库中创建 Issue 向我们提供反馈。我们期待您的合作！
注释工具：
注释是如何生成的：
📌 软件： Notability 应用 — 将 PDF 导入该应用，进行注释（手写笔记、插入图表、贴纸等），然后导出为 PDF。
📌 硬件： 第六代 iPad 配备第一代 Apple Pencil。不过，任何支持 Apple Pencil 的 iPad 或 Android 平板电脑都可以使用。
贡献者：
- Alisher Abdulkhaev
- Jayson Cunanan
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。