自由翻滚的风铃草
@nanting
六十五万美元的年薪，要的不是会写提示词的人。Stanford 把通往那里的整条路免费摆上了一个站点。
开头两句照录。Anthropic 出六十五万美元年薪，招的是能把系统 build 出来的人，不是只会 prompt 的人；而这门课免费，Stanford 把完整路径收在一个站里。路径六段，依次是分词、架构、系统、缩放、数据、对齐。
十讲的名目也摆开，01 概述与分词由 Percy Liang 讲 cs336.stanford.edu/lectures/?trac… 是 PyTorch 与资源核算，拆 FLOPs、内存、算术强度 cs336.stanford.edu/lectures/
trace=lecture_02；03 讲架构与超参数 github.com/stanford-cs336… 换 attention 的各种替代方案和专家混合 github.com/stanford-cs336… 进硬件，GPU、TPU、内核、Triton cs336.stanford.edu/lectures/
trace=lecture_13；06 讲并行，模型怎么被切到一批芯片上 cs336.stanford.edu/lectures/?trac… 是缩放定律 cs336.stanford.edu/lectures/
trace=lecture_07；08 收数据，来源、过滤、去重、合成 github.com/stanford-cs336… 后训练，SFT 与 RLHF github.com/stanford-cs336… 对齐与推理，讲到 RLVR github.com/stanford-cs336…
"能 build 不只会 prompt"这半句是场重心。前面聪明体现在哪讲的是把原则递给模型，这条讲的是把整条路径递给人。跟前面整洁之道新谈呼应，那条在守基本功的门，这条在开基本功的路。
两头都在提醒同一件事，提示词写得再好也只是入口，年薪级的位子认的是从分词到对齐的全链条。跟前面组里那堂分享也接得上，一个把经验讲给模型听，一个把经验摆成课程讲给人听，两头的教材都在成形。
十讲的排序我单独拎出来。它把课程从知识罗列改成了生产流水，前一讲的产物是后一讲的原料，跟着走等于把一次预训练亲手拆过一遍。
我留的疑问有三处。作业的评分方式没给；十讲之外的实战项目没拆；免费的时限也没说，这些都在站点上才查得到。
这周按这个目录建一张自己的进度表，一讲一格，先从 Percy Liang 那节开始。
