| Lecture 01：Transformers United——Attention、架构与模型家族 |
Fall 2021 课程 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 02：Generative Pretraining——从 GPT-3、iGPT 到 Codex |
Fall 2021 课程 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 03：Vision Transformers——通用视觉表示、规模化与归纳偏置 |
Fall 2021 课程 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 04：Decision Transformer——把离线强化学习重构为条件序列建模 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 05：Switch Transformer——用稀疏路由扩展参数，而不是扩展每个 token 的计算 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 06：Perceiver 与 Perceiver IO——用 latent bottleneck 统一高维输入与结构化输出 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 07：从 Self-Attention 到 Non-Parametric Transformer——让模型在 datapoints 之间推理 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 08：Transformer Circuits 与 Induction Heads——从行为相变到可验证的 in-context learning 机制 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 09：Audio Transformers——从波形、离散代码到任务自适应听觉前端 |
CS25 V1 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 10：GLOM——固定神经网络如何表示动态 Part-Whole Hierarchy |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 11：Transformer 从 Attention 到通用序列计算 |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 12：语言模型与人类意图对齐 |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 13：大语言模型的涌现能力与 Scaling |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 14：Strategic Games、Inference-Time Search 与 Cicero |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 15：Robotics Foundation Model、RT-1 与具身规划 |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 16：Neurosymbolic Commonsense Reasoning |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 17：Biomedical Transformers |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 18：Neuroscience-Inspired Artificial Intelligence |
CS25 V2 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 19：Low-level Embodied Intelligence with Foundation Models |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 20：Generalist Agents in Open-Ended Worlds |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 21：How I Learned to Stop Worrying and Love the Transformer |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 22：Recipe for Training Helpful Chatbots |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 23：No Language Left Behind |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 24：Beyond LLMs |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 25：Retrieval Augmented Language Models |
CS25 V3 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 26：Overview of Transformers |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 27：从 Scaling Intuition 到 Transformer 架构演化 |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 28：Aligning Open Language Models |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 29：Demystifying Mixtral of Experts |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 30：Near-Shallow Transformers 与 Precision Language Models |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 31：从大语言模型到大多模态模型 |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 32：LLM 预训练幕后——StarCoder 数据、治理与评测 |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 33：从 Transformer 历史理解 AI 的主导力量 |
CS25 V4 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 34：Transformer 全景图——从数据到持续学习 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 35：RL、产品与研究的协同设计 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 36：AGI 的到来与可用 Agent 系统 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 37：大语言模型推理——解码、训练、聚合与检索 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 38：大语言模型的“生物学”——特征、回路、并行计算与规划 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 39：用于药物发现的多模态世界模型 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 40：扩散模型中的 Transformer——从 DiT 到 MMDiT 与高效生成 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |
| Lecture 41：视频生成中的 Transformer——Movie Gen 的表示、Flow Matching 与规模化系统 |
CS25 V5 · 2026 年 source-first 重写版 |
LaTeX |