智能体
x.com ·
@shao__meng
斯坦福 CS224V「Agentic AI」课程：围绕 LLM 可靠性与可追责智能体的技术栈
斯坦福 CS224V「Agentic AI」课程由 Monica Lam 团队开设，核心问题是把本质上不可靠、会幻觉的 LLM 改造成可信赖、可追责的智能体。课程自底向上构建反幻觉知识栈：LLM 基础、知识策展（STORM/Co-STORM）、自由文本可靠问答（ColBERT、RankGPT 检索加生成与验证）、结构化与异构数据 Agent、形式化方法与可追责 AI、任务型对话 Agent 以及元 Agent 与元优化。前两讲课件已公开。
AI推荐理由 介绍斯坦福 CS224V「Agentic AI」课程，给出课程主页与两讲课件 PDF 链接，并梳理出从 LLM 基础、知识策展（STORM/Co-STORM）、RAG、结构化数据 Agent、形式化方法与可追责 AI 到元 Agent 的技术主线。对关注 Agent 可靠性与可追责性的开发者有学习价值。局限：内容为课程介绍与个人归纳，非原创研究结论，课程效果未经验证。
80
浏览 350
点赞 2
评论 1
转发 0
正文
斯坦福 CS224V「Agentic AI」课程：Monica Lam 团队如何把会幻觉的 LLM，改造成可信赖、可追责的智能体
Stanford CS224V「Agentic AI」
[web.stanford.edu/class/cs224v/i…](https://web.stanford.edu/class/cs224v/index.html)
整门课围绕一个中心问题展开，如何把本质上不可靠、会幻觉的 LLM，变成可信赖、可追责的智能体。课程相信这类系统“对加速科学发现、普及医疗/法律/教育服务有非凡前景”，但前提是先解决可靠性。
课程的技术主线：一条“反幻觉”的知识栈
如果把 15 讲内容和阅读清单放在一起看，课程实际上自底向上构建了一条完整的技术栈，每层都在回答“可靠性从哪里来”：
1. 基础层：LLM 本身
2. 知识策展（Knowledge Curation） STORM 家族 9/28 讲 STORM/Co-STORM：
3. 自由文本上的可靠问答（RAG） 检索（ColBERT、RankGPT）+ 生成 + 验证
4. 结构化与异构数据上的 Agent 这是课程最有辨识度的部分
5. 形式化方法与可追责 AI（课程最独特的标签）
6. 任务型对话 Agent Genie Worksheet
7. 元 Agent 与元优化（面向未来的一讲）
目前前两讲课件已公开：
[web.stanford.edu/class/cs224v/l…](https://web.stanford.edu/class/cs224v/lectures_2026/l-introduction.pdf)[web.stanford.edu/class/cs224v/l…](https://web.stanford.edu/class/cs224v/lectures_2026/I-DeepResearch.pdf)
meng shao@shao\_\_meng
[x.com/i/article/2105…](https://x.com/i/article/2105543038332522496)
[🔗 View Quoted Tweet](https://x.com/shao__meng/status/2105545533121294508)