lecture

斯坦福大学CS230深度学习（2025年秋季）课程播放列表已在YouTube上分享，可免费观看讲座。

一场关于形式化方法的演讲，以“做事器”三步流程为例，说明如何在尚不存在的系统中寻找 bug。开场因硬件故障延迟了 8 分钟。

一则推文重点介绍了Anthropic和Google工程师在斯坦福的讲座，内容涵盖自我改进的AI代理、代理循环模式以及生成器-验证器差距。

Gary Marcus 重点介绍了著名数学家陶哲轩关于人工智能与数学的讲座，指出其中提到的“证明消化不良”等风险，并认为AI可能只擅长某些数学任务，而非理论构建。

图灵奖得主 Gilles Brassard 访问北京大学前沿计算研究中心，发表了关于艾伦·图灵遗产的演讲，并被聘为北京大学图灵导师。

Tatsunori Hashimoto带来了一场精彩的斯坦福在线讲座，主题是从头构建LLM。

Berkeley 189 lecture provides a clear explanation of the attention mechanism, tracing the evolution from RNN+attention to Transformer and contrasting MLP/CNN parameter efficiency.

Victoria Lin's Stanford CS25 lecture discusses the paradigm shift from language models to native multimodal intelligence, covering tokenization approaches and comparing models like Chameleon and Transfusion.

一条推广2026年五大讲座之一的推文。

Nathan Lambert 分享了一段视频讲座，涵盖了他书籍的前置知识，包括语言模型基础、概率和训练流程，使用 GLM 5.2 进行讲解。

Natolambert 宣布了一场新讲座，内容涵盖合成数据和蒸馏的历史，从 Hinton 2015 年的论文到现代的 on-policy 蒸馏，视频总时长超过 7 小时。

一条推文推荐了OpenAI研究员关于大语言模型构建方法的讲座，声称这场讲座教给一位MIT计算机科学毕业生的知识比他的整个学位还多。

一位斯坦福教授举办了一场公开讲座，全面剖析了GPT、Claude和LLaMA等现代LLM的底层构建方式，让大众也能了解先进的架构。

一条推文重点介绍了一个47分钟的斯坦福讲座，据称它能提供四年工程学位的价值，并推广了25个AI提示作为关键生产力工具。

一条推文分享了David Shirokoff在MIT关于马尔可夫链的讲座，内容涵盖转移概率、马尔可夫矩阵、特征值以及长期稳态。

这条 Twitter 帖子重点介绍了斯坦福 CS221 课程第 6 讲关于启发式算法的内容，解释了 A* 搜索如何通过使用启发式算法指导决策来提高代理效率。关键要点包括：通过放松问题来构建启发式算法、糟糕启发式算法的危险性，以及具有正确估计的 A* 算法的最优性。

一场由Percy Liang主讲的免费斯坦福讲座，关于AI泛化，解释了为什么模型在基准测试中表现出色，但在实际代码库中却失败，内容涵盖基准记忆、偏差-方差权衡和幻觉。

一条X帖子指出，Anthropic 支付工程师超过50万美元年薪来部署Percy Liang在斯坦福CS221第3讲中免费教授的内容，并解释了观看该讲座如何改变对Claude行为的理解。

一条推文推荐斯坦福AI图像生成讲座，鼓励人们学习以获得职业提升。

MIT 6.566 客座讲座：AI Agent 安全，涵盖系统级威胁、提示注入、工具使用漏洞，以及使用 GPT-5.4 和 Qwen 3.5 等大语言模型的演示。