全部资源

datawhalechina/zero-to-sglang

SGLang 与 Datawhale 合作的 LLM 推理课程仓库，提供英文与简体中文版本。课程内容依次为理解 LLM 推理、从零实现一个 mini-sglang、阅读真实 SGLang 源码并提交第一个 PR，仓库标签包含 cuda、kv-cache、inference-engine 等。

上下文工程

Context Engineering

DeepLearning.AI 上的一门中级课程“Context Engineering”，与 Chroma 合作制作，讲师为 Jeff Huber 和 Drew Breunig。课程共 37 个视频、8 个代码示例、6 次评分作业，时长约 18 小时 56 分，内容涵盖智能体搜索、上下文管理（裁剪、压缩、草稿板）和智能体记忆。材料显示该课程于 2026 年 10 月 26 日更新，证书需 PRO 会员。

斯坦福 EE292R 科学与人工智能及数据｜2026 年秋季｜从世界模型到世界智能体

Stanford EE292R AI and Data for Science | Autumn 2026 | From World Models to World Agents

这是斯坦福课程 EE292R 的一场讲座，讲者 Gordon Wetzstein 为电子工程系（兼计算机科学系）副教授。讲座介绍视频世界模型的最新进展，重点包括增强长时间上下文中的时间一致性与推理、缓解自回归漂移，以及多智能体动态的整合和有效的人类中心条件控制策略。材料附有课程时间表链接。

斯坦福 AA274A 机器人自主性原理｜2019 年秋季｜参数化滤波

Stanford AA274A Principles of Robotic Autonomy | Autumn 2019 | Parametric Filtering

这是斯坦福课程 AA274A 第 15 讲录像，主题为参数化滤波（KF、EKF、UKF），由 Marco Pavone 教授讲授。材料说明该讲录制于 2019 年版课程，课程内容、结构和作业此后可能已变化，所附链接指向最新版本；视频简介还提供配套教材 Principles of Robot Autonomy 的免费在线地址。

从零构建推理模型：完整视频课程

Building Reasoning Models from the Ground Up: A Full Video Course

这是 Ahead of AI 作者发布的配套视频课程介绍，包含 8 个从零构建推理模型的编程视频，共约 11 小时，用 Python 和 PyTorch 实现推理扩展、强化学习、蒸馏等方法。课程从一个预训练 LLM 出发，实现评估与改进该模型的方法，是其此前《从零编程 LLM》课程的续篇，但不需要先修该课程。适合希望动手理解推理模型内部机制的人。