【佐治亚理工这份LLM课表，藏着大模型下半场的通关密码】佐治亚理工学院最新公开的CS 8803-LLM课程大纲，几乎是一份AI前沿论文的实时索引。课程不仅涵盖了Transformer和混合专家模型（MoE）等基础，更密集地排入了DeepSeek-V3.2、GRPO算法、强化学习自博弈以及推理侧扩展等最新技术。从Chameleon的多模态数据混合到OpenHands的智能体开发工具包，这套教学体系已经完全脱离了单纯的架构复现，转向了对复杂推理和系统工程的深度拆解。社区评论普遍感叹这份课表的更新速度甚至快过了技术博客。它释放了一个明确信号：大模型的竞争重心已经从预训练规模转向了推理效率和自主进化能力。值得关注的是DeepSeek系列在学术课程中权重的提升，这说明国产架构在底层创新上已获得国际顶尖学府的认可。对开发者而言，与其在旧的Scaling Law里打转，不如关注课表中提到的线性Transformer和扩散语言模型，这些可能才是解决长文本和生成可控性问题的下一个出口。 cocoxu.github.io /CS8803-LLM-spring2026/docs.google.com /spreadsheets/d/1Oisf4imoNL3fs4UWGYAUlMCuYfCACMHCDb0iqEYU8wc/edit?usp=sharing