Stanford CS329A: Self-Improving AI Agents

LinkAakanksha Chowdhery, Azalia MirhoseiniSammlung

Die Stanford University bietet mit CS329A ein Master-Seminar zu selbstoptimierenden KI-Agenten an. Der Kurs unter der Leitung von Aakanksha Chowdhery und Azalia Mirhoseini behandelt Methoden, mit denen LLM-basierte Systeme durch Eigeninteraktion und Umgebungsfeedback kontinuierlich lernen.

Das Wichtigste

  1. Fokus auf Kernmethoden der Selbstverbesserung: Test-Time-Compute-Skalierung, Verifier, Reinforcement Learning zur Trainingszeit und Search-Mechanismen.
  2. Erweiterung von LLMs durch Werkzeugnutzung, Code-Ausführung, Multimodalität und Memory-Architekturen wie MemGPT oder Caching-Systeme.
  3. Thematisierung von Multi-Step-Planung, Verifikation und Evaluierung bei Aufgaben mit langem Zeithorizont.
  4. Gastvorträge führender Branchen- und Forschungsexperten, unter anderem von Google DeepMind, Reflection AI und Physical Intelligence.

Warum das relevant ist

Der Lehrplan bündelt die zentralen wissenschaftlichen Meilensteine und Architekturmuster, die den Übergang von rein textgenerierenden Modellen zu zielgerichteten, eigenständig handelnden Agenten definieren.

Einordnung

Das Seminar liefert einen fundierten akademischen Querschnitt aktueller State-of-the-Art-Papiere (wie STaR, Constitutional AI oder AlphaCode) und spiegelt den Paradigmenwechsel wider: Weg von reinem Parametertraining hin zu Laufzeit-Skalierung, Feedback-Schleifen und Verifikation.

Erwähnte Links

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Video

    Video:Stanford Online

    Stanford CS329A: Einführung in selbstverbessernde KI-Agenten und Scaling-Trends

    In der ersten Vorlesung des Stanford-Kurses CS329A geben Aakanksha Chowdhery und Azalia Mirhoseini einen Überblick über die Entwicklung von Sprachmodellen und autonomen Agenten. Sie beleuchten klassische Scaling Laws, emergentes Denkvermögen via Chain of Thought, Post-Training-Methoden wie RLHF sowie neue Paradigmen: Test-Time-Compute (Inference-Time Scaling) und strukturierte agentische Workflows in Coding- und Research-Tools.

    KI & AI· Vortrag

  • X-Post:Mark Phelps

    Stanford veröffentlicht neuen Kurs CS329Z: Engineering AI Agents

    Die Stanford University hat den Lehrplan für den Kurs CS329Z ('Engineering AI Agents') für den Herbst 2026 freigeschaltet. Der Kurs behandelt die Entwicklung zusammengesetzter KI-Systeme ('Compound AI Systems'), die Eigenentwicklung von RAG und Tool-Nutzung, Frameworks wie DSPy sowie Evaluationsstrategien.

    2296Lesezeichen66.100Aufrufe

    KI & AI· Sammlung

  • Link:Harrison Chase, Rotem Weiss

    AI Agents in LangGraph: Neuer Kurzlehrgang bei DeepLearning.AI

    DeepLearning.AI bietet einen rund 1,7-stündigen Online-Kurs zu LangGraph an, der von LangChain-CEO Harrison Chase und Tavily-CEO Rotem Weiss geleitet wird. Der Kurs vermittelt die Entwicklung steuerbarer KI-Agenten in Python, Persistenz, Agentic Search und Human-in-the-Loop-Muster.

    KI & AI· Sammlung

  • Artikel:Siru Ouyang, Jun Yan, I-Hung Hsu, et al.

    ReasoningBank: Selbstlernende KI-Agenten durch Reasoning Memory

    ReasoningBank ist ein neuartiges Speicher-Framework für LLM-Agenten, das verallgemeinerbare Denkstrategien aus selbst bewerteten Erfolgen und Fehlern destilliert, um kontinuierliches Lernen im laufenden Betrieb zu ermöglichen.

    KI & AI· Forschung

  • Link:Tatsunori Hashimoto, Percy Liang

    Stanford CS336: Language Modeling from Scratch

    Die Stanford-Lehrveranstaltung CS336 vermittelt die Entwicklung von Sprachmodellen von Grund auf – ähnlich wie klassische Betriebssystemkurse. Studierende durchlaufen alle Phasen von Datenbereinigung und Tokenisierung über Transformer-Architekturen und GPU-Optimierung mit Triton bis hin zu Post-Training und Alignment.

    KI & AI· Sammlung

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.