一句话看懂：斯坦福 NLP 组推出新课程 CME 295，由制作过 CS 229/230 知名速查表的 Amidi 双胞胎兄弟主讲，用 9 讲压缩讲完从 Transformer 架构到 AI Agent、扩散语言模型的 LLM 全栈知识地图，课程资料与速查表全部公开。
事件核心：发生了什么
斯坦福 @stanfordnlp 开设新课 CME 295，主讲人为 Afshine 与 Shervine Amidi 兄弟——他们是 CS 229 机器学习、CS 230 深度学习速查表的作者，这批图解资料在全球开发者中使用极广。课程共 9 讲，按四个板块推进：基础部分（第 1–2 周）从 Word2vec、RNN/LSTM 的演进讲到完整 Transformer 架构，并涉及 MoE、MHA/MQA/GQA、RoPE 位置编码与采样策略；训练部分（第 3–4 周）覆盖预训练、SFT、LoRA、RLHF/DPO，以及单独一讲强化学习与 LLM 结合，包含 PPO、GRPO、RLVR 和在线策略蒸馏；系统与工程部分（第 6–7 周）讲分布式训练、KV 缓存、投机解码、Flash Attention 与 AI Agent 的工具调用、MCP 协议、记忆检索；最后以 LLM-as-a-judge 评估和扩散语言模型收尾。课程零作业、两次考试，官方 Study Guide 与 15 语言速查表已公开可下载。
为什么重要
这套课程的价值不在讲得深，而在覆盖面和更新速度。把 GRPO、RLVR、MCP、投机解码、Diffusion LLM 这些近一两年才成熟的议题搬进课堂，说明高校课程正在快速追赶工业界节奏，而多数大学的 LLM 课程仍停留在 Transformer 与微调阶段。对中文开发者而言，它提供了一条低成本建立全局认知的路径：先看清楚从注意力机制到推理优化、再到智能体协议的整条技术链路如何衔接，再决定深挖哪一段。Amidi 兄弟的速查表风格意味着知识被高度结构化，适合当作长期查阅的参照系，而非一次性看完的视频课。
对用户/开发者/创作者的影响
对开发者，最直接可用的是训练栈与推理优化两块的索引价值——LoRA、DPO、GRPO 到 KV 缓存、Flash Attention 之间怎么配合，课程给出了顺序感；做 AI Agent 的人则可重点看 MCP 与工具调用那一讲，它把协议层的抽象讲清楚，便于对照实际产品设计。对内容创作者和技术写作者，这套速查表是可靠的引用来源。对企业做内部培训的团队，这是一份可以按周拆分的教学大纲。需要提醒的是，一讲塞进一个子领域的密度决定了它不适合零基础，也不提供手写实现训练，想动手的仍需另找项目课补齐。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是课程页面是否随季度更新讲稿与视频，尤其 Diffusion LLM 和 Agent 评估部分变化快，能否保持时效值得观察；二是速查表 15 语言版本中是否包含中文，这会直接影响国内开发者的使用门槛；三是看是否有更多高校跟进类似“前沿密度优先”的课程设计，把 RL 训练与推理优化纳入本科或硕士常规教学。
来源：@shao__meng
