标签
斯坦福研究者用 20 个新模型重新测试了 50 项被广泛引用的 LLM 结论，发现 44% 已失效、34% 明显减弱、仅 16% 仍成立，表明 LLM 研究结论的‘保质期’可能只有约 15 个月。
推文分享了 Andrej Karpathy 在斯坦福课堂上的观点：给模型工具、记忆、状态和循环后，它更接近可编程计算机，而 agent 不仅仅是一个带提示的 LLM。
斯坦福 CS329Z《Engineering AI Agents》课程的中文自学教程发布，包含 19 讲课程、4 个实践练习，覆盖 LLM、RAG、工具调用、记忆、多智能体和评测，并支持离线 HTML 阅读。
推荐斯坦福免费课程 CS146S《The Modern Software Developer》（讲师 Mihail Eric），并介绍配套的开源项目 NamiAgent——一个从零手写 AI Agent 的中文教程，逐步实现工具、权限、上下文、Skills、MCP、子 Agent、记忆等核心能力，附网页端可视化调试。
推荐2026年通过斯坦福大学免费公开的10门AI与机器学习课程（如CS221人工智能、CS229机器学习、CS230深度学习、CS234强化学习、CS236深度生成模型、CS336从零构建大语言模型）进行自我提升。
斯坦福大学的 CS 312“深度学习炼金术”课程将构建理论的重担交给学生（以及他们的 Claude 助手），让他们在一个用 6.14 亿个 token 训练的 8 层 Transformer 上开展消融实验，以实证方式探究 Transformer 的各个组件——这引发了一个反思：也许死记硬背的机器学习知识从来就没那么重要。
推荐 Peter Thiel 在斯坦福大学的 41 分钟商业演讲，内容聚焦如何建立垄断性公司、同质化竞争的危害，以及 Google、PayPal、Facebook 成功的关键逻辑。
推荐斯坦福 CS329Z《Engineering AI Agents》课程，系统覆盖 agent 工程的核心内容：LLM 基础、RAG、工具调用与函数调用、框架编排（DSPy、LangGraph）、评测与可靠性等，标志着 agent 开发正从调 API 的手艺转变为一门正经工程学科。
斯坦福NLP祝贺校友 Melvin Johnson 出任 Google DeepMind 研究副总裁，并提到了一次关于 Gemini 4 Argon 的讨论。
AI帮助学生在作业中拿到接近满分，但在线下期末考试中却集体暴露问题。一位斯坦福教授表示，学生用AI完成作业后不再参加答疑，却无法通过线下期末考试，因此院系重新定义助教职责，取消传统答疑，要求学生一对一向助教讲解每份编程作业以证明真正理解代码。
一位 CS336 的老粉丝称赞了课程对实证研究的重视，并对 Stanford 新开设的 CS312《Deep Learning Alchemy》课程表示期待。该课程由 Tatsunori Hashimoto 推出，旨在教授前沿深度学习研究中那些混乱而依赖经验的一面。
斯坦福大学新开设 CS 312「Deep Learning Alchemy」课程，由 Tatsunori Hashimoto 和 Suhas Kotha 主讲，聚焦深度学习中以经验为主的知识——超参数缩放、优化器不变性（μP、Muon）、损失景观与训练稳定性等，全部作业代码、测验和讲义公开，可视为 CS 336 的续作。
Lee Robinson 发布了在斯坦福 CS146S 的讲座视频，讲解 Grok Bot 的工作原理，涵盖 Always-on Agent 设计、harness 设计、上下文工程以及如何保持主 agent 轻量等内容，值得一看。
推文推荐斯坦福大学的免费大语言模型课程（含中英双语字幕），称其为讲解 ChatGPT 与 Claude 底层构建原理最清晰、最深入的课程，能帮助学习者真正理解词元化、注意力机制等核心机制，而非停留在记住名词。
Lee Robinson（@leerob）分享了他在斯坦福大学 CS146S 课程中的讲座，讲解像 Bot 这样持续运行、主动行动的智能体如何工作，涵盖模型进展、智能体架构、运行框架和上下文工程。
斯坦福大学2026年秋季新课CME 295《Transformers与大语言模型》开放选课，第二讲笔记发布，系统梳理模型家族、缩放定律、MoE、架构优化、解码策略与提示范式等LLM核心主题。
一条推荐斯坦福 AI 课程视频的推文。该课程教授如何用 AI 构建和自动化一切，推文呼吁观众花两个小时观看。
由 Monica Lam 团队主导的 Stanford CS224V "Agentic AI" 课程，构建了一套防幻觉知识栈，涵盖 RAG、知识策展（STORM）、形式化方法和元智能体，旨在将不可靠的 LLM 转变为可信、可追责的智能体。前两次课的讲义现已公开。
斯坦福 Monica Lam 团队推出 CS224V「Agentic AI」研究课程，以反幻觉和可追责为主线，用检索、声明式规约、定理证明器和严格评估把不可靠的 LLM 改造成可信赖的智能体，项目占总成绩 65%。
Lior 宣布推出 MMBU 挑战赛，与 Stanford 合作，测试视觉语言模型能否真正识别和定位生物医学图像，而不是靠猜测作答。挑战赛设有 3 个赛道，奖金及算力超过 10 万美元，赛期为 10 月 1 日至 12 月 31 日，报名将于今天截止。