Stanford
斯坦福大学（Stanford University）是位于美国加利福尼亚州的世界顶尖私立研究型大学，成立于1885年。学校涵盖工程、医学、法律、商业、人文等多个学科领域，以强大的科研实力和创新生态著称，与硅谷紧密联系，在人工智能、计算机科学等领域具有重要的学术影响力，孕育了大量科技企业与学术成果。
核心事实
时间轴 (近 90 天)
Stanford CS231n课程长期被视为深度学习入门经典课程，其Assignment 1到2要求学生在完全不用框架的前提下，用NumPy实现线性分类器、两层神经网络、批量归一化和卷积层。
UPenn、MIT 与 Stanford 联合团队的茅佳源在 IROS 2026 大会上介绍了 RAPID 闭环框架，该框架只需一次人类演示就能泛化执行多种非抓取任务。
Stanford的Schaeffer等人指出，所谓涌现可能是评估指标选择的产物，换用更平滑的度量方式后突变会变回平稳的能力增长曲线
Stanford讲师、连续创业者John Whaley认为约束催生创造力，紧迫的截止时间逼着人想出有创意的解决方案
HELM（Holistic Evaluation of Language Models）是学术界的综合评测集，尝试从多维度对比大模型表现
2023年以来,研究者开始将GPT-4、Claude等大语言模型作为机器人的决策层,典型系统包括SayCan、Inner Monologue和RT-2
2023年Stanford的研究对涌现能力提出质疑，指出所谓'涌现'可能是评估指标选择的人为产物，使用连续性更好的指标重新评估时，许多看似突然的能力跳跃实际上呈现为平滑的渐进提升
2022年Google Research和Stanford的研究者在论文中首次系统性地描述了涌现能力（emergent abilities）现象：当模型规模跨过某个阈值时，在特定任务上的表现会从近乎随机跃升至显著高于基线
北美CS顶级博士项目（如MIT、Stanford、CMU、Berkeley）的录取率通常在5-10%之间
Andrew Ng曾在斯坦福CS229课程中指出，真正理解算法而非仅仅调用库函数，需要扎实的线性代数和微积分功底
还有 1 条时间轴事件
全部知识事实 (17)
DPO（Direct Preference Optimization）是2023年提出的对齐方法，可以跳过奖励模型训练直接从人类偏好数据中优化策略模型
90%已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试，涵盖文件操作、脚本编写、系统调试等场景
90%已验证HELM（Holistic Evaluation of Language Models）是学术界的综合评测集，尝试从多维度对比大模型表现
75%已验证2015年Sohl-Dickstein等人首次将扩散过程引入生成模型
75%已验证多智能体系统（MAS）的典型代表包括微软的 AutoGen、斯坦福的 Generative Agents 以及 CrewAI 等框架
65%待验证斯坦福的'Generative Agents'用虚拟小镇评测社交能力，Google DeepMind用各类游戏评测通用智能
85%待验证MIT和斯坦福的研究团队提出了'Prompt程序'（Prompt Programs）的概念，将复杂Prompt视为一种新型编程范式
75%待验证GloVe由Stanford的Jeffrey Pennington等人于2014年提出，通过对全局词共现矩阵进行加权分解来训练词向量
60%待验证Stanford CS231n课程长期被视为深度学习入门经典课程，其Assignment 1到2要求学生在完全不用框架的前提下，用NumPy实现线性分类器、两层神经网络、批量归一化和卷积层。
50%待验证Stanford的Schaeffer等人指出，所谓涌现可能是评估指标选择的产物，换用更平滑的度量方式后突变会变回平稳的能力增长曲线
50%待验证Stanford讲师、连续创业者John Whaley认为约束催生创造力，紧迫的截止时间逼着人想出有创意的解决方案
50%待验证2023年以来,研究者开始将GPT-4、Claude等大语言模型作为机器人的决策层,典型系统包括SayCan、Inner Monologue和RT-2
50%待验证2022年Google Research和Stanford的研究者在论文中首次系统性地描述了涌现能力（emergent abilities）现象：当模型规模跨过某个阈值时，在特定任务上的表现会从近乎随机跃升至显著高于基线
50%待验证2023年Stanford的研究对涌现能力提出质疑，指出所谓'涌现'可能是评估指标选择的人为产物，使用连续性更好的指标重新评估时，许多看似突然的能力跳跃实际上呈现为平滑的渐进提升
50%待验证北美CS顶级博士项目（如MIT、Stanford、CMU、Berkeley）的录取率通常在5-10%之间
50%待验证Andrew Ng曾在斯坦福CS229课程中指出，真正理解算法而非仅仅调用库函数，需要扎实的线性代数和微积分功底
50%待验证UPenn、MIT 与 Stanford 联合团队的茅佳源在 IROS 2026 大会上介绍了 RAPID 闭环框架，该框架只需一次人类演示就能泛化执行多种非抓取任务。
50%