斯坦福 CS 312「Deep Learning Alchemy」秋季新课发布，作业与测验全部公开

斯坦福大学 CS 312「Deep Learning Alchemy」秋季新课

@tatsu_hashimoto 和 @kothasuhas 两位老师主讲，主要面向一个常见问题：深度学习的核心知识大多是经验性的，理论解释不了，读论文也替代不了动手。

课程把两个信条作为支点：炼金术要靠手学；预测即理解：能在跑实验前准确预判结果，才算掌握。

课程地址：
https://deep-learning-alchemy.github.io/

课程安排主线
七个单元：超参调优与 scaling laws → 优化器与超参不变量（NQM、μP、Muon、权重衰减）→ 损失景观 → 训练稳定性 → 架构容量 → 数据高效的泛化（切换到 DNA 模态）→ 未公开单元。阅读清单就是实证深度学习的地图，多位作者（μP、Muon、权重衰减系列）就在团队中。

作业代码、测验、讲义全部公开，课程录像由 @StanfordOnline 发布，自学者可用 Modal 租卡完整复现。可视为 CS 336（从零构建 LM）的续作：那门课教造模型，这门课教理解模型行为。