斯坦福大学秋季推出 CS 312「Deep Learning Alchemy」新课

斯坦福大学将开设秋季新课CS 312「Deep Learning Alchemy」，由Tatsunori Hashimoto与Suhas Kotha两位老师主讲。课程面向一个常见问题：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，即能在跑实验前准确预判结果才算掌握。这两句话放在一起，构成了一套可检验的教学标准——不是「你懂不懂反向传播」，而是「你能不能在下一次实验之前说出它会怎样」。

Hashimoto本人的表述是：深度学习常被教成一套净化过的事实与数学，但AI前沿的工作是混乱且经验性的，新课旨在以「Language Modeling From Scratch」的动手精神教授深度学习的艺术与科学。这里值得注意的是措辞——「艺术与科学」并列，而不是把经验性当作理论不足时的临时替代。

课程安排为七个单元：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），以及一个未公开单元。

这条主线本身有信息量。它没有从架构或数学基础讲起，而是从超参调优与scaling laws切入，随后进入优化器与超参不变量——μP、Muon、权重衰减这些名字，都是近年实证研究中反复出现的对象。

从单元顺序看，课程的重心落在「训练过程中会发生什么」而非「模型是什么」。损失景观、训练稳定性、架构容量三节连在一起，指向的是同一类问题：为什么同样的配方有时work有时不work。

数据高效的泛化一节明确切换到DNA模态，这是七个单元中唯一一次跨出语言模态的跳跃。至于最后那个未公开单元，目前没有任何内容说明。

需要说明的是，以上单元设置来自单一二手转述，未获第一方确认；「未公开单元」的具体内容同样不明。

转述中提到，阅读清单被视为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。

如果这一描述成立，它解释了一门新课为何能直接以这些主题为骨架：教材不是事后整理的二手综述，而是由相关工作的参与者来组织。不过「多位作者就在团队中」的具体所指与范围并不明确，这一点只能作为转述者的说法看待。

课程地址为deep-learning-alchemy.github.io。

作业代码、测验、讲义全部公开，课程录像由Stanford Online发布。对一门以动手为核心的课来说，材料公开意味着课程的核心资产——那些需要反复试错的作业——可以被外部完整拿到。

转述还称，自学者可用Modal租卡完整复现课程内容。这条路径的意义在于把算力从「有没有实验室」变成「愿不愿意付费」，但可行性与成本均未经验证，只能视为转述者的说法。

课程录像是否全部公开、发布时间如何，目前也没有确定信息。

该课程被转述者视为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。

这个定位如果成立，两门课构成一组互补：前者解决「能不能搭起来」，后者解决「搭起来之后为什么这样表现」。但需要区分的是，这一衔接关系究竟是转述者的判断还是官方定位，目前无法确认。

从课程单元与信条看，该课强调以实验预测能力而非理论推导作为掌握标准——这是基于现有材料的推断，而非课程方的原话。

转述称，课程评估为7次考试占成绩85%，另有15%的线下讨论评估。

如果这一比例准确，它意味着课程几乎完全以考试为主要评价手段，且考试次数多达7次——与七个单元大致对应。线下讨论只占15%，说明课程并不打算用项目或开放式作业来承载主要评价。

但这一评估结构来自单一二手转述，未获第一方确认，具体比例是否准确仍需保留。

目前可以确认的是：斯坦福大学将开设秋季新课CS 312「Deep Learning Alchemy」，由Tatsunori Hashimoto与Suhas Kotha两位老师主讲。

其余细节——课程动机与两个信条、七个单元的具体设置、材料全部公开、录像由Stanford Online发布、Modal租卡复现、与CS 336的续作关系、7次考试占85%与15%线下讨论评估、阅读清单作者在团队中——均来自单一二手转述，属于来源说法而非第一方确认。

此外，课程是否已正式获斯坦福批准开设，目前仅有社交媒体公告；帖子发布时间为2026年10月14日，课程为秋季新课，但具体开课日期未说明。选课人数、先修要求、学分信息均未提供，也没有任何基准测试或量化效果数据。