docs: add Simplified Chinese translation (README.zh.md)

README.md

@@ -1,3 +1,7 @@
+<p align="center">
+  <b>English</b> · <a href="README.zh.md">简体中文</a>
+</p>
+
 # MLX Examples
 
 This repo contains a variety of standalone examples using the [MLX

README.zh.md

@@ -0,0 +1,73 @@
+<p align="center">
+  <a href="README.md">English</a> · <b>简体中文</b>
+</p>
+
+# MLX 示例库 (MLX Examples)
+
+本代码库包含使用 [MLX 机器学习框架](https://github.com/ml-explore/mlx) 构建的丰富独立实战示例。
+
+[MNIST](mnist) 示例是快速学习与上手 MLX 的极佳起点。下面列出了一系列更具实用价值的进阶示例。若需在 MLX 上使用功能更完备的大语言模型专用 Python 算法库，请访问 [MLX LM](https://github.com/ml-explore/mlx-lm)。
+
+### 文本模型 (Text Models)
+
+- [Transformer 语言模型](transformer_lm) 训练。
+- 大规模文本生成极简示例：[LLaMA](llms/llama)、[Mistral](llms/mistral)，以及 [LLMs](llms) 目录下的更多大语言模型。
+- 基于混合专家架构（MoE）的语言模型：[Mixtral 8x7B](llms/mixtral)。
+- 参数高效微调：[LoRA 与 QLoRA](lora)。
+- 文本到文本多任务 Transformer 模型：[T5](t5)。
+- 双向语言理解模型：[BERT](bert)。
+
+### 图像模型 (Image Models)
+
+- 图像生成：
+  - [FLUX](flux)
+  - [Stable Diffusion 与 SDXL](stable_diffusion)
+- 图像分类：[基于 CIFAR-10 的 ResNet](cifar)。
+- 卷积变分自编码器：[基于 MNIST 的 CVAE](cvae)。
+
+### 视频模型 (Video Models)
+
+- 文本生成视频 (T2V) 与图像生成视频 (I2V)：[Wan2.1](video/wan2.1)。
+
+### 音频模型 (Audio Models)
+
+- 语音识别：[OpenAI Whisper](whisper)。
+- 音频压缩与生成：[Meta EnCodec](encodec)。
+- 音乐生成：[Meta MusicGen](musicgen)。
+
+### 多模态模型 (Multimodal Models)
+
+- 文本与图像联合表征嵌入：[CLIP](clip)。
+- 结合图像与文本输入生成文本的多模态大模型：[LLaVA](llava)。
+- 图像分割：[Segment Anything (SAM)](segment_anything)。
+
+### 其他模型 (Other Models)
+
+- 图结构数据上的半监督学习：[图卷积网络 (GCN)](gcn)。
+- 用于密度估计与采样的 Real NVP [规范化流模型 (Normalizing Flow)](normalizing_flow)。
+
+### Hugging Face 生态
+
+您可以直接使用或下载来自 Hugging Face 上 [MLX Community](https://huggingface.co/mlx-community) 社区组织转换并发布的模型权重。我们非常鼓励您加入社区并[贡献新模型](https://github.com/ml-explore/mlx-examples/issues/155)。
+
+## 参与贡献 (Contributing)
+
+我们由衷感谢[所有的贡献者](ACKNOWLEDGMENTS.md#Individual-Contributors)。如果您向 MLX Examples 贡献了代码或内容并希望列入致谢名录，请在您的 Pull Request 中将您的名字添加至列表中。
+
+## 引用 MLX Examples
+
+MLX 软件套件最初由 Awni Hannun、Jagrit Digani、Angelos Katharopoulos 与 Ronan Collobert 共同主导开发（贡献均等）。如果您在研究中发现 MLX Examples 对您有所帮助并希望进行引用，请使用以下 BibTeX 条目：
+
+```bibtex
+@software{mlx2023,
+  author = {Awni Hannun and Jagrit Digani and Angelos Katharopoulos and Ronan Collobert},
+  title = {{MLX}: Efficient and flexible machine learning on Apple silicon},
+  url = {https://github.com/ml-explore},
+  version = {0.0},
+  year = {2023},
+}
+```
+
+---
+
+> 💡 **文档维护说明**：本中文文档由社区志愿者（@JasonYeYuhe）翻译维护，最后同步更新于 2026年09月20日。如发现内容与官方英文原版存在差异或新特性滞后，欢迎提交 PR 共同完善！