加州大学伯克利分校（UC Berkeley）Agent /人工智能 免费公开课 主讲： Dawn Song（加州大学伯克利分校教授） 陈新云（Meta 研究科学家） 特邀嘉宾：有openai的技术副总裁，英伟达的研究科学家，openai的联合创始人等 第一条线：训练管线，不是 prompt 工程。 OpenAI 的 Yann Dubois 那讲值得先听。他把预训练、reasoning RL、post-training 拆开讲：聊天机器人和 agent 的差，不在会不会调工具，在环境和反馈是不是闭环。NVIDIA 的 Jiantao Jiao 接着讲 verifiable agents——代码、浏览、任务完成，能不能被验证，比 Arena 分数重要。微软 Weizhu Chen 那讲更土一点，讲训 agentic model 时数据、环境、reward hacking 怎么把你坑死。 第二条线：评测这件事被高估，也被低估。 课里专门有评测周，Meta 的 Sida Wang 讲 LLM benchmark 里那种可预测的噪声。现在外面一堆 leaderboard，很多人当真理。这门课比较少吹榜，比较多讲误差条、不可复现、评测本身就是攻击面。做 agent 的人，这块不补，后面全是自嗨。 第三条线：多智能体和具身 Noam Brown、Oriol Vinyals 两讲是博弈和协调那条老脉络进到 LLM 时代。Peter Stone 那讲把 agent 拉回身体和环境——他自己那句话也对：agent 一定要有环境。这和现在一堆个人助理硬件、机器人、仿真到真机是同一条河的上下游。James Zou 用 agent 做科学发现，Clay Bavor 讲 Sierra 那种真上线客服 agent，一个偏科研自动化，一个偏产品实现。 第四条线：安全不是附录。 Dawn Song 收尾那讲必听。agent 一旦能读文件、调工具、上网，prompt injection、工具滥用、后门、红队，已经不是聊天机器人那套对齐故事了。她这条线跟她自己做的安全研究是连着的，不是客串站台。时间不够就听这五讲：Dubois、Jiao、评测/Sida Wang、Bavor 或 Weizhu、Dawn Song。多智能体加 Brown/Vinyals，机器人加 Stone。 https://agenticai-learning.org/f25 （包括youtube视频，ppt课件）