llm_learn

外观

L00 · 课程参考资料 ​

本页按 CMU 11-768 Fall 2026 的课程顺序汇总各讲涉及的讲义、视频、代码与延伸阅读。每讲页面仍保留与本讲直接相关的资料入口。

资料索引

按课程顺序整理讲义、视频、代码与延伸阅读；每一项都保留在对应讲次下。

277 条资料 · 14 讲 · 290 次关联

01

Course Overview: What Is an Agent?

5 条资料

讲义 / SlidesLecture 1 slides延伸阅读论文Toolformer官方课程阅读论文ReAct官方课程阅读代码Mini-SWE-Agent官方课程阅读视频课程视频课程视频
02

Agent Capabilities 1: Tool Use

32 条资料

讲义 / SlidesLecture 2 slides延伸阅读论文What Are Tools Anyway?官方课程阅读论文CodeAct官方课程阅读论文Toolformer官方课程阅读论文XGrammar官方课程阅读文档OpenAI Chat Completions API官方补充参考文档Hugging Face Chat Templates官方补充参考文档Qwen2.5 Chat Template官方补充参考文档Berkeley Function-Calling Leaderboard V4官方补充参考技术文章BFCL V4 Methodology官方补充参考文档OpenRouter Provider Analytics官方补充参考文档OpenAI Function Calling Guide官方补充参考文档Qwen3.8 Tool-Call Template官方补充参考文档Mistral Small 4 Model Card官方补充参考代码Mistral Tool-Call Tokenization Guide官方补充参考文档DeepSeek V3.2 Tool-Call Encoding官方补充参考文档OpenHands Tool System Architecture官方补充参考代码OpenHands Agent Dispatch Source官方补充参考代码OpenHands ToolDefinition Source官方补充参考文档JSON Schema 2020-12官方补充参考文档JSON Schema 2020-12 Validation官方补充参考文档OpenAPI Specification官方补充参考文档FastAPI Generated OpenAPI官方补充参考文档FastAPI Security and OpenAPI官方补充参考技术文章MCP 2026-07-28 Specification Release官方补充参考文档MCP TypeScript SDK v2 Overview官方补充参考文档MCP Transports Specification官方补充参考文档MCP Tools Specification官方补充参考文档FastMCP OpenAPI Integration官方补充参考文档FastMCP Token Verification官方补充参考文档FastMCP Bearer Client Authentication官方补充参考视频课程视频课程视频
03

Agent Capabilities 2: Context Management for Long-Context Agents

44 条资料

讲义 / SlidesLecture 3 slides延伸阅读论文DistServe官方补充参考代码Needle in a Haystack官方补充参考论文Attention Is All You Need官方补充参考论文Longformer官方补充参考论文Transformers are RNNs官方补充参考论文Linear Transformers Are Secretly Fast Weight Programmers官方补充参考论文Gated Delta Networks官方补充参考论文Kimi Linear官方补充参考论文DeepSeek Sparse Attention官方补充参考论文Grouped-Query Attention官方补充参考论文DeepSeek-V2官方补充参考论文RoFormer官方补充参考论文NoPE Length Generalization官方补充参考论文Position Interpolation官方补充参考论文YaRN官方补充参考技术文章Qwen3.8-Flash-Next官方补充参考论文GLM-5官方补充参考文档GLM-5.3-Flash官方补充参考论文Kimi K3官方补充参考文档Nemotron 3 Ultra官方补充参考文档Inkling官方补充参考论文DeepSeek V4官方补充参考论文Ring Attention官方补充参考文档Megatron Context Parallelism官方补充参考论文Prompt Cache官方补充参考论文Can I Buy Your KV Cache?官方补充参考文档DeepSeek API Pricing官方补充参考文档Z.AI API Pricing官方补充参考文档Kimi K3 Pricing官方补充参考文档OpenAI Model Pricing官方补充参考文档Anthropic Prompt Caching官方补充参考论文PagedAttention / vLLM官方补充参考论文SGLang / RadixAttention官方补充参考技术文章SGLang Cache-Aware Load Balancing官方补充参考论文MemGPT官方补充参考论文LongLLMLingua官方补充参考代码Codex官方补充参考代码OpenCode官方补充参考代码Pi官方补充参考代码Hermes Agent官方补充参考代码OpenHands官方补充参考论文ReSum官方补充参考视频课程视频课程视频
04

Agent Capabilities 3: Skills and Memory

27 条资料

讲义 / SlidesLecture 4 slides延伸阅读技术文章OpenHands: How to Create Effective Agent Skills官方课程阅读论文SkillsBench官方课程阅读论文MemGPT官方课程阅读论文Agent Workflow Memory (AWM)官方课程阅读论文Agent Skill Induction (ASI)官方课程阅读论文ReasoningBank官方课程阅读论文Mem0官方补充参考论文Reflexion官方补充参考论文ExpeL官方补充参考论文Agent S官方补充参考论文Synapse官方补充参考论文ICAL官方补充参考论文Voyager官方补充参考论文DreamCoder官方补充参考论文Stitch官方补充参考论文LAPS官方补充参考论文LILO官方补充参考论文SkillWeaver官方补充参考论文PolySkill官方补充参考论文TroVE官方补充参考论文Not All Skills Help官方补充参考论文SAGE官方补充参考论文AgeMem官方补充参考代码HermesAgent: prompt_builder.py官方补充参考代码HermesAgent: skills_tool.py官方补充参考视频课程视频课程视频
05

Agent Capabilities 4: Planning, Task Decomposition, and Multi-Agent Coordination

38 条资料

讲义 / SlidesLecture 5 slides延伸阅读技术文章Cursor: Introducing Plan Mode官方课程阅读论文Least-to-Most Prompting官方课程阅读论文Decomposed Prompting官方课程阅读论文Code as Policies官方课程阅读论文SayCan官方课程阅读论文Plan-and-Act官方课程阅读论文Thinking vs. Doing官方课程阅读论文Calibrate-Then-Act官方课程阅读论文Recursive Agent Optimization (RAO)官方课程阅读论文Multi-Agent Computer Use (MACU)官方课程阅读文档Claude Code Permission Modes官方补充参考文档OpenAI Model Guidance官方补充参考论文Large Language Models are Zero-Shot Reasoners官方补充参考论文Plan-and-Solve Prompting官方补充参考论文STaR官方补充参考论文DeepSeek-R1官方补充参考论文Recursive Language Models官方补充参考论文PlanBench官方补充参考论文ProgPrompt官方补充参考论文Binder官方补充参考技术文章Anthropic: Building Effective Agents官方补充参考论文UGround官方补充参考论文Agent S官方补充参考论文Language Models as Zero-Shot Planners官方补充参考论文LLM-Planner官方补充参考论文Inner Monologue官方补充参考论文SwiftSage官方补充参考论文The Danger of Overthinking官方补充参考论文Training Proactive and Personalized LLM Agents (PPP-Agent)官方补充参考论文Vending-Bench官方补充参考论文The Illusion of Diminishing Returns官方补充参考论文ADaPT官方补充参考论文Web Agents Should Adopt the Plan-Then-Execute Paradigm官方补充参考论文TravelPlanner官方补充参考文档Odysseys官方补充参考技术文章Don't Sleep on Single-Agent Systems官方补充参考视频课程视频课程视频
06

Domains 1: Coding Agents

44 条资料

讲义 / SlidesLecture 6 slides延伸阅读代码Assignment 1 · Harness官方作业仓库论文OLMo官方补充参考论文StarCoder官方补充参考论文Whitespace-run tokens官方补充参考文档StarCoder2 tokenizer官方补充参考论文Code Llama官方补充参考论文Qwen2.5-Coder官方补充参考论文InCoder官方补充参考论文Scaling study官方补充参考论文OctoPack官方补充参考文档DrRepair官方补充参考论文CodeRL官方补充参考论文CodeExecutor官方补充参考论文Grammar-based code generation官方补充参考论文CodeBLEU官方补充参考论文CodeBERTScore官方补充参考论文EvalPlus官方补充参考论文CodeContests / AlphaCode官方补充参考论文NoFunEval官方补充参考技术文章DeepCoder官方补充参考论文SWE-agent官方补充参考论文Agentless官方补充参考文档mini-SWE-agent官方补充参考文档Aider edit formats官方补充参考文档Aider unified diffs官方补充参考论文LocAgent官方补充参考论文SWE-bench官方补充参考论文SWE-Gym官方补充参考论文R2E-Gym官方补充参考论文SWE-smith官方补充参考论文Multi-SWE-bench官方补充参考文档SWE-bench Multilingual官方补充参考论文SWE-bench Multimodal官方补充参考论文VisualWebArena官方补充参考文档Playwright locators官方补充参考论文Commit0官方补充参考论文ProgramBench官方补充参考论文SWE-Milestone官方补充参考论文SWT-Bench官方补充参考论文SWE-Playground官方补充参考论文Hybrid-Gym官方补充参考论文Code World Models官方补充参考视频课程视频课程视频
07

Computer Use Agents

16 条资料

讲义 / SlidesLecture 7 slides延伸阅读论文WebArena官方课程阅读论文VisualWebArena官方课程阅读论文OSWorld官方课程阅读论文OpenCUA官方课程阅读论文CUA-Gym官方课程阅读论文Multi-Agent Computer Use (MACU)官方课程阅读论文MiniWoB官方补充参考论文WebShop官方补充参考论文ReAct官方补充参考论文Mind2Web官方补充参考论文WebVoyager官方补充参考论文ScreenSpot-Pro官方补充参考论文Gym-Anything官方补充参考论文MolmoWeb官方补充参考视频课程视频课程视频
08

Training 1: Supervised Fine-Tuning (SFT)

21 条资料

讲义 / SlidesLecture 8 slides延伸阅读论文Kimi K3官方补充参考论文DeepSeek-R1官方补充参考文档Nemotron 3 Ultra官方补充参考文档MAI-Thinking-1官方补充参考文档K2 Horizon model card官方补充参考论文Kimi K2官方补充参考论文OpenThoughts-Agent官方补充参考论文SWE-Gym官方补充参考论文Agent Data Protocol官方补充参考论文BalanceSFT官方补充参考论文Instruction Modelling官方补充参考论文Weighted Instruction Tuning官方补充参考文档DAgger官方补充参考文档Transformers: chat templates官方补充参考文档Transformers: apply_chat_template官方补充参考文档TRL: SFTTrainer官方补充参考文档TRL: training chat templates官方补充参考文档Axolotl: conversation datasets官方补充参考代码LLaMA-Factory官方补充参考视频课程视频课程视频
09

Training 2: Reinforcement Learning Basics

8 条资料

讲义 / SlidesLecture 9 slides延伸阅读论文ReST官方课程阅读论文ReST-EM官方课程阅读论文DeepSeekMath官方课程阅读论文DrGRPO官方课程阅读文档RL Fundamentals官方补充参考文档REINFORCE官方补充参考视频课程视频课程视频
10

Domains 3: Deep Research Agents

25 条资料

讲义 / SlidesLecture 10 slides延伸阅读文档OpenScholar官方课程阅读论文BrowseComp官方课程阅读论文DeepResearch Bench官方课程阅读论文Tongyi DeepResearch官方课程阅读论文DR Tulu官方课程阅读论文AgentIR官方课程阅读文档Natural Questions example官方补充参考文档Wikipedia source document官方补充参考论文BrowseComp-Plus官方补充参考论文FinSearchComp官方补充参考论文MedBrowseComp官方补充参考论文ScholarSearch官方补充参考论文AutoResearchBench官方补充参考论文A Critical Evaluation of Evaluations for Long-form Question Answering官方补充参考论文ResearchQA官方补充参考论文DeepResearch Bench II官方补充参考文档CMU Archives: Herbert Simon官方补充参考文档1978 Nobel Prize in Economic Sciences官方补充参考论文WebSailor-V2官方补充参考论文WebDancer官方补充参考论文Scaling Agents via Continual Pre-training官方补充参考论文Search-R1官方补充参考论文DeepSeekMath官方补充参考论文Dense Passage Retrieval官方补充参考
11

Training 3: Advanced RL Algorithms

26 条资料

讲义 / SlidesLecture 11 slides延伸阅读文档MIXER官方补充参考论文InstructGPT官方补充参考论文Generalized Advantage Estimation (GAE)官方补充参考论文Let’s Verify Step by Step官方补充参考论文AReaL官方补充参考论文CTPO官方补充参考论文Proximal Policy Optimization (PPO)官方补充参考论文DeepSeekMath (GRPO)官方补充参考论文MiniMax-M1 (CISPO)官方补充参考论文Group Sequence Policy Optimization (GSPO)官方补充参考论文DAPO官方补充参考文档Introducing SWE-bench Verified官方补充参考文档Why we no longer evaluate SWE-bench Verified官方补充参考论文SABER (τ-bench audit)官方补充参考技术文章τ-bench task fixes官方补充参考文档Reward Hacking in Reinforcement Learning官方补充参考文档MAI-Thinking-1官方补充参考论文PostTrainBench官方补充参考文档Curriculum Learning官方补充参考文档OpenAI: calculator hacking and production evaluations官方补充参考文档Where the goblins came from官方补充参考论文Distilling the Knowledge in a Neural Network官方补充参考论文On-Policy Distillation of Language Models (GKD)官方补充参考论文Self-Distilled Reasoner (OPSD)官方补充参考文档Policy Invariance Under Reward Transformations官方补充参考
12

Training 4: RL Systems

2 条资料

讲义 / SlidesLecture 12 slides延伸阅读代码Assignment 2 · Eval官方作业仓库
13

Safety 1: Sandboxing and Credential Management

1 条资料

讲义 / SlidesLecture 13 slides官方课程页面新增资料；来源：https://www.cmu-agents.com/；核对：2026-10-16。
14

Frameworks 1: OpenHands

1 条资料

讲义 / SlidesLecture 14 slides官方课程页面新增资料；来源：https://www.cmu-agents.com/；核对：2026-10-16。

资料来源归原作者与课程方所有 · 笔记内容持续校订

llm_learn