📄
经典论文解读
AI 产品经理必读论文，面试导向深度解读
5 个领域11 篇必读21 篇论文
💡
阅读指南
每篇解读都围绕「理解 → 复述 → 面试」三个层次展开。必读 标记的论文是面试高频考点，建议优先阅读。
右侧 AI 助手可以帮你进一步理解论文概念，随时提问。
右侧 AI 助手可以帮你进一步理解论文概念，随时提问。
🧬7 篇
基础认知层
理解当前 AI 的能力从何而来，这是做产品决策的地基
必读2017
Attention Is All You Need
Vaswani et al.
所有大模型的基石——理解 Transformer 就理解了 AI 产品的能力边界
必读2023
GPT-4 Technical Report
OpenAI et al.
理解GPT-4能力边界与训练评估思路，指导产品定位与风险预期
必读2020
GPT-3: Language Models are Few-Shot Learners
Brown et al.
证明了大模型不需要针对每个任务单独训练——In-Context Learning 改变了产品设计思路
必读2022
InstructGPT: Training Language Models to Follow Instructions with Human Feedback
Ouyang et al.
RLHF 让大模型学会'听话'——从能力强大但不可控，到既强大又好用
推荐2024
Memory Caching: RNNs with Growing Memory
Behrouz et al.
用缓存记忆检查点让RNN随上下文增长记忆，接近Transformer长文召回且更高效
必读2026
Recursive Models for Long-Horizon Reasoning
Chenxiao Yang et al.
两个 token 让 AI 学会递归调用自己，把计算能力从 PSPACE 跳到 EXPTIME，3B 模型击败 GPT-4o
推荐2020
Scaling Laws for Neural Language Models
Kaplan et al.
揭示了'越大越强'的数学规律——帮你判断该花钱升级模型还是优化数据
🛠️5 篇
产品设计层
把 AI 能力变成产品的关键架构和范式
推荐2026
Organizing, Orchestrating, and Benchmarking Agent Skills at Ecosystem Scale
Li et al.
20万个Skills怎么管？能力树做索引+DAG做编排——结构本身就是乘数，相同的Skills有组织比没组织强得多
必读2022
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
Wei et al.
一句'请分步思考'就能让模型推理能力暴涨——Prompt Engineering 的奠基之作
推荐2026
COMIC: Agentic Sketch Comedy Generation
Susung Hong et al.
把制片厂的创意竞争流程搬进多 Agent 系统，让 AI 真正开始会做喜剧短片
必读2020
RAG: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
Lewis et al.
企业 AI 产品的主流架构——让大模型能查资料再回答，解决幻觉和知识更新问题
必读2023
ReAct: Synergizing Reasoning and Acting in Language Models
Yao et al.
AI Agent 的思维框架——让模型边思考边行动，是当前 Agent 产品的核心设计模式
📊1 篇
评估与质量层
如何衡量 AI 产品好不好，建立质量标准
🛡️4 篇
安全与伦理层
AI 产品的红线，不可忽视的风险与责任
推荐2026
Conformal Policy Control
Prinster et al.
AI Agent 探索新行为时，怎么保证不翻车？用旧策略历史做保形校准，给新策略套一根「可证明安全」的绳子
推荐2022
Constitutional AI: Harmlessness from AI Feedback
Bai et al.
Anthropic 的安全对齐方法——让 AI 用自己的价值观约束自己，比 RLHF 更高效
推荐2026
Frontier Models Can Take Actions at Low Probabilities
Serrano et al.
前沿 AI 模型已能以万分之一的频率精确执行特定动作——这意味着当前的安全评测方法可能从根本上就失效了
必读2021
On the Dangers of Stochastic Parrots
Bender et al.
大模型的社会风险警示——偏见、环境成本、虚假信息，AI PM 必须了解的红线
🔭4 篇
前沿趋势层
看清 AI 的发展方向，提前布局产品策略
推荐2024
The Landscape of Emerging AI Agent Architectures
Masterman et al.
AI Agent 架构全景图——理解 Agent 产品的技术可行性和设计空间
推荐2026
GLM-5: from Vibe Coding to Agentic Engineering
Zeng et al.
了解异步RL与Agent训练基建，提升自动编程与长程任务产品落地能力
必读2023
Sparks of AGI: Early Experiments with GPT-4
Bubeck et al.
GPT-4 能力全景报告——大量具体案例展示 AI 的惊人能力与局限，最适合 PM 阅读的论文
推荐2026
Tool Verification for Test-Time Reinforcement Learning
Liao et al.
给自我进化的 AI 加一个「外部验证官」——让模型知道自己的答案对不对，从根本上解决越训越错的问题