斯坦福 CS234：强化学习（2026 冬）

斯坦福 AA228 / CS238：不确定性下的决策（2026 年秋）

斯坦福大学一门课程主页，从计算角度讲不确定性下的决策，介绍构建自主系统与决策支持系统所需的工具。内容涵盖概率模型与决策理论、随机动态下的求解方法、模型不确定性与不完整状态信息，涉及贝叶斯网络、影响图、动态规划、强化学习与部分可观测马尔可夫决策过程，应用包括空中交通管制、航空监视、自动驾驶与行星机器人探索。先修要求为基本概率与一门高级编程语言；页面注明讲座不要求到场、习题课仅在 Zoom 进行、考试为线下。适合具备概率与编程基础、想系统学习不确定性下决策方法的学生和开发者。

RLHF 书：基于人类反馈的强化学习与大模型后训练

RLHF Book：Reinforcement Learning from Human Feedback and LLM Post-Training

一本关于基于人类反馈的强化学习（RLHF）与大模型后训练的书的网页版，纸质版于 2026 年 7 月首次出版。页面主要记录网页版与纸质版之间的差异，包括带勾标记表示已纳入 2026 年 10 月第一次重印的网页勘误。内容增补涉及：在第 3 章扩展标准训练配方并加入 MOPD 与智能体后训练示例和新流程图；第 16 章新增智能体评估小节；第 5 章澄清结果奖励模型的历史并重组奖励建模章节；第 6 章整理 RL 符号（轨迹采样分布与时间下标）；第 12 章扩展在线策略蒸馏内容并更名为“合成数据与蒸馏”；以及正则化章节的次序调整。作者提到考虑几年后推出改名为“后训练书”的第二版。

哈佛 CS1810：机器学习（2026）

Harvard CS1810：Machine Learning（2026）

哈佛大学 2026 年 CS1810 机器学习课程主页，授课教师为 David Alvarez-Melis 和 Yilun Du，上课时间为周二、周四 9:45–11:00，地点 SEC 1.321。课程对机器学习、概率推理和不确定环境下的决策做广泛而严谨的介绍，讨论常见算法的动机及其适用于特定任务的性质，要求推导多种方法的数学基础并将其应用于真实数据。主题包括监督学习、集成方法与提升、神经网络、支持向量机、核方法、聚类与无监督学习、最大似然、图模型、隐马尔可夫模型、推断方法、强化学习。课程面向高年级本科生，要求能编写较复杂程序、具备概率论基础并熟悉微积分与线性代数，提供的脚手架代码均为 Python。

LLM 评估与对齐的基础理念

LLM Evaluation and Alignment, The Foundational Ideas

这是 Manning Publications 出版的图书，作者为 Han Lee，共 275 页，预计 2027 年 1 月 15 日出版，目前尚未出版。简介称该书把判断与调整 AI 系统的基础研究转化为实用技术，讲解从文本匹配到语义相似度再到基于判断的评估的演进脉络，并提出以“从必须做对的事倒推”的方法把评估作为设计约束，围绕“定义—评估—分析—对齐”循环展开。

Stanford CS229: Machine Learning（2026 夏）

斯坦福 CS229 机器学习课程 2026 夏季学期的课程主页，授课教师为 Jehangir Amjad 和 Anand Avati，并列出助教名单。页面给出课程介绍（监督学习、无监督学习、学习理论、强化学习及各类应用）、上课时间地点（周二、周四 16:30–18:15，NVIDIA Auditorium）以及先修要求：具备 Python/NumPy 编程能力（相当于 CS106A/B）、概率论（相当于 CS109 或 MATH151）、多变量微积分与线性代数（相当于 MATH51 或 CS205L）。相关链接需用斯坦福邮箱登录访问。