X用户@FinanceYF5推荐了一门Stanford课程，时长2小时34分钟。原推文说：“今晚少看一部剧，把这堂2小时34分钟的Stanford课程看完。”

这门课从最底层的Tokenization、BPE讲起，一路讲到Transformer、预训练、RLHF、DPO，最后落到逐Token生成。简单说，Tokenization是把文本切成模型能处理的最小单位，BPE是其中一种常用切法；RLHF和DPO则是让模型学会说人话的对齐技术。课程等于把ChatGPT、Claude这类大模型从0到1的构建过程完整拆了一遍。看完以后，至少能说清楚“AI好神奇”背后的几个关键步骤。

如果你刚接触AI，这门课能帮你建立从数据到模型到对齐的完整框架。如果你已经在开发Agent，它同样值得收藏。很多面试里喜欢问的细节，比如BPE怎么切词、RLHF和DPO的区别，课里都有涉及。

X网友@大伟提醒：看懂Transformer不等于能把Agent送上线。生产环境里真正卡人的往往是评测、权限、可观测性、延迟和成本。这门课补的是原理，工程上的坑还得另学。

这句话说得很实在。原理是地图，工程是路。地图画得再清楚，该踩的泥坑一个也躲不掉。但先有地图，总比闭着眼睛走强。

2小时34分钟，相当于两部电影的长度。换来一个对AI底层逻辑的完整认知，这笔账不亏。