LinkTengyu MaSammlung
Tengyu Ma forscht an den theoretischen und praktischen Grundlagen moderner KI-Systeme. Die Website dient als Einstiegspunkt, um Veröffentlichungen und personelle Verflechtungen zwischen Spitzenforschung an Universitäten und führenden KI-Laboren nachzuvollziehen.
Die Seite fungiert als akademische Visitenkarte und zeigt Mas Rolle in der Schnittmenge von ML-Theorie und empirischer Forschung an Foundation Models. Bemerkenswert ist die hohe Dichte an Alumni, die direkt in Forschungsteams von OpenAI, Anthropic und Meta gewechselt sind, was den Einfluss seiner Forschungsgruppe auf aktuelle Frontier-Modelle unterstreicht.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Percy Liang
Die persönliche Universitäts-Webseite von Percy Liang, Informatikprofessor an der Stanford University, stellt seine aktuellen Forschungsschwerpunkte, Lehrveranstaltungen und akademischen Projekte vor. Im Zentrum stehen Grundlagenfragen des maschinellen Lernens, das Projekt Marin für radikal offene Modellentwicklung sowie Werkzeuge für reproduzierbare Forschung wie CodaLab Worksheets.
Link:Andrej Karpathy
Die persönliche Portfolio- und Ressourcen-Website des KI-Forschers Andrej Karpathy bietet einen Überblick über seine beruflichen Stationen, Lehrmaterialien, Vorträge und Open-Source-Projekte.
Link:Aakanksha Chowdhery, Azalia Mirhoseini
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.
Link:Stanford University
Die Kurswebsite der Stanford University gibt einen Überblick über den Kurs CS229 (Machine Learning) für den Sommer 2026, geleitet von Jehangir Amjad und Anand Avati.
X-Post:CopyRebeldia
Ein viraler Beitrag hebt eine Stanford-Vorlesung über die technischen Grundlagen von Large Language Models hervor. Der Autor betont, dass KI-Modelle wie Claude oder ChatGPT Texte nicht direkt verstehen, sondern rein auf Zahlen basieren, und verweist auf hohe Gehälter für Ingenieure mit diesem Grundlagenwissen. Ein Community-Hinweis korrigiert allerdings die Zuordnung des gezeigten Videos.
41.878Lesezeichen2,8 Mio.Aufrufe
Link:Tatsunori Hashimoto, Percy Liang
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.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
