mlsys.stanford.edu

可以，但只限于与该研讨会合作开设的“限定系列”（Limited Series）。根据官网说明，Stanford MLSys Seminar 在推出特定主题系列时会与斯坦福课程绑定：2023 年底与 CS 229s（Systems for Machine Learning）和 CS 528 合作开设“Systems for Machine Learning”限定系列，斯坦福学生可以注册其中任一门课程；2023 年初则与 CS 324（Advances in Foundation Models）合作开设“Foundation Models”限定系列。普通讲座（如 2025 “Hidden Layer”系列）本身不附带选课通道，官网只提供邮件订阅和直播链接。

选课的前提条件

• 身份：必须是斯坦福在读学生，才能注册 CS 229s、CS 528 或 CS 324 等课程；外部听众只能观看直播或回放。
• 系列匹配：只有官网明确标注与某门课程合作的限定系列才对应选课，常规系列不提供学分。
• 时间可配合：限定系列的讲座时间就是课程时间，选课前需确认自己能到场或跟上直播节奏。

具体操作步骤

1. 确认当前是否有合作限定系列：打开 mlsys.stanford.edu，查看首页是否出现 “Limited Series” 字样及对应课程编号。官网的系列是阶段性推出的，不是每学期都有。
2. 在斯坦福选课系统中注册对应课程：例如 Systems for Machine Learning 限定系列对应 CS 229s 或 CS 528，Foundation Models 限定系列对应 CS 324。按课程编号正常选课即可，研讨会讲座作为课程内容的一部分。
3. 按讲座时间安排日程：Systems for Machine Learning 限定系列的讲座安排在周一 10:30–11:30 am PT；Foundation Models 限定系列安排在部分周一和周三 3:30–4:20 PM PT。这些时段即课程时段。
4. 订阅邮件列表：官网提示加入邮件列表后，每周会收到讲者和直播链接通知，用于跟课和补看。
5. 验证是否选课成功：以斯坦福选课系统（如 Axess）中的课程注册记录为准，研讨会网站本身不处理选课。

常见卡点

• 把普通讲座当课程：2025 “Hidden Layer”系列（如 Tim Shi、Beyang Liu 的讲座）只是公开讲座，官网没有提供任何选课入口，注册不了学分。
• 错过系列窗口期：限定系列是阶段性合作，例如 2023 年底的系统系列、2023 年初的基础模型系列，过期后不再对应课程。
• 时间冲突：限定系列固定在上述时段，与其他课程冲突时需自行权衡。
• 非斯坦福学生：无法注册课程，但可以通过官网直播链接和邮件列表观看讲座。

一句话选择建议

想拿学分：等官网出现与 CS 229s、CS 528 或 CS 324 绑定的限定系列，再在斯坦福选课系统注册对应课程；只想听内容：订阅邮件列表看直播即可，不必等选课窗口。

Stanford MLSys Seminar 是斯坦福大学围绕机器学习与系统交叉领域（MLSys）组织的研讨会/播客系列，官网为 mlsys.stanford.edu。它既不是学位项目，也不是在线课程平台，而是以讲座、对谈和限定系列的形式，讨论机器学习系统、基础模型、编码智能体等前沿话题。如果你关心“模型怎么被工程化地构建、部署和运营”，或想听一线研究者与创业者的经验，这个系列值得关注；如果你要找系统化教材或可认证课程，它并不提供这些。

系列构成：常设系列 + 限定系列

官网把内容组织为几个板块：

限定系列的特点是“与课程联动”：Systems for Machine Learning 限定系列的讲座安排在周一 10:30–11:30（太平洋时间），斯坦福学生可注册对应课程；Foundation Models 限定系列则在部分周一、周三 15:30–16:20（太平洋时间）举行。非斯坦福学生也能看直播或回放，只是没有课程学分。

主题方向：从基础模型到编码智能体

从 2025 “Hidden Layer” 系列已公布的讲座看，主题偏向“技术前沿 + 产业实践”：

• 编码智能体（Coding Agents）：Sourcegraph CTO Beyang Liu 的讲座讨论编码智能体这一仅出现五六个月的新品类如何改变编程方式，以及 Sourcegraph 从代码搜索起家、面向大型企业关键代码库构建编码智能体的思路。这类内容适合关注 AI 编程工具、代码检索与 RAG 工程的人。
• AI 创业与早期 OpenAI：Tim Shi（Cresta 联合创始人）讲 OpenAI 早期经历、超级智能的探索以及 Cresta.ai 的创立，涉及生成式 AI 在企业场景（如客服建议）的落地。适合对 AI 商业化路径感兴趣的人。

结合限定系列的名称可以推断，整体主题覆盖两条主线：一是系统侧——支撑机器学习训练与推理的工程基础设施；二是模型侧——基础模型的能力、应用与演进。两者交叉处正是 MLSys 的核心问题：如何让大规模模型在真实系统中跑得动、用得起、管得住。

怎么跟进这个系列

1. 看官网日程：首页按系列列出讲座时间、讲者、摘要和简历，2025 系列还附有直播链接。
2. 订阅邮件列表：官网提示可加入邮件列表，每周获取讲者信息和直播链接，这是最省力的跟进方式。
3. 按兴趣挑回放：如果只关心某个方向（如编码智能体或基础模型），直接按讲者或系列名筛选往期讲座即可，不必从头追。

需要注意：官网未提及收费或登录限制，但也没有说明内容可自由下载或商用，引用讲座内容时以官网公开信息为准。讲座时间均为太平洋时间，国内观众需自行换算时差。

Stanford MLSys Seminar 的讲者以产业界一线实践者为主，兼有学术背景，讲座内容偏重机器学习系统的真实工程经验而非纯理论。2025 年“Hidden Layer”系列中，可核实的代表性讲座包括 OpenAI 早期成员 Tim Shi 谈 OpenAI 早期经历与 Cresta.ai 创立，以及 Sourcegraph CTO Beyang Liu 谈编码智能体（Coding Agents）。如果你想判断这个系列是否值得跟进，可以从讲者构成和主题分布两个维度评估。

讲者构成：产业界实践者为主

从官网列出的 2025 年日程看，讲者多为在头部公司负责具体系统的技术负责人或创始人，且往往带有斯坦福背景：

Tim Shi 的简介提到，他在斯坦福 AI Lab 开始博士研究，方向为自然语言处理与强化学习，其“world of bits”工作为基于网页的强化学习智能体奠定了基础；Cresta 于 2017 年成立，是较早将生成式 AI 部署到企业场景的公司之一。Beyang Liu 则在斯坦福期间师从 Daphne Koller 从事 AI 研究，并曾是 Palantir 早期工程师，Sourcegraph 的代码搜索与 RAG 编程助手被 OpenAI、xAI、Tesla、Uber 等工程组织使用。

这类背景意味着讲座通常围绕“在大规模真实系统中怎么落地”展开，而不是论文式的方法介绍。

讲座主题示例

OpenAI 早期经历与 Cresta.ai 创立（Tim Shi）

据官网摘要，这场讲座讨论 OpenAI 的早期阶段、对超级智能的探索，以及独角兽公司 Cresta.ai 的创立过程。适合对 AI 创业史、企业级生成式 AI 落地路径感兴趣的读者。

编码智能体（Beyang Liu）

摘要指出，编码智能体作为一个品类仅出现 5–6 个月，却已显著改变编程方式；Sourcegraph 长期做代码搜索，而代码搜索是大型企业代码库编程的关键环节。讲座深入讨论 Sourcegraph 的起步，以及面向大型企业关键任务代码库时对编码智能体的思考。适合关注 AI 编程工具、企业代码库场景的读者。

系列结构：不止 2025 年一条线

官网显示该系列并非单一主题，而是按阶段组织：

• 2025 “Hidden Layer” 系列：当前主系列，由 Francois Chaubard 接手运营。
• Systems for Machine Learning 有限系列：2023 年底与 CS 229s、CS 528 课程合作，讲座安排在周一 10:30–11:30 am PT，斯坦福学生可注册相应课程。
• Foundation Models 有限系列：2023 年初与 CS 324（Advances in Foundation Models）合作，讲座安排在部分周一和周三 3:30–4:20 PM PT。
• Previous Talks：官网保留往期讲座入口。

想跟进新讲座，官网建议加入邮件列表，以获取每周讲者与直播链接通知。

怎么判断是否适合你

• 适合：想了解机器学习系统在产业界如何落地、关注编码智能体或企业级生成式 AI 的工程师与研究者。
• 需要留意：讲座偏经验分享与行业视角，若你需要系统性教材式知识，应结合课程材料（如 CS 229s、CS 324）一起使用。
• 信息核实：具体讲者、时间与直播链接以官网当期日程和邮件通知为准，往期内容可从 Previous Talks 入口查找。

Stanford MLSys Seminar 是斯坦福大学围绕机器学习与系统前沿举办的系列讲座，任何人都可以通过官网公布的直播链接在线观看；如果想每周收到讲者与直播信息，需要加入其邮件列表。斯坦福学生还可以通过配套课程（如 CS 229s、CS 528、CS 324）注册获得课程学分。讲座通常安排在周一 10:30–11:30 am PT，部分系列会使用周一、周三 3:30–4:20 PM PT 的时段，具体以当期日程为准。

讲座的系列与主题

官网目前列出以下几类内容，主题侧重各有不同：

从已公布的 2025 年日程看，讲者多来自工业界一线团队，例如 OpenAI 早期成员 Tim Shi 讲 OpenAI 早期历史与 Cresta.ai 的创立，Sourcegraph CTO Beyang Liu 讲 Coding Agents 在大型企业代码库中的应用。这类内容适合想了解 MLSys 工程实践与行业动向的读者。

观看直播的步骤

1. 打开官网 mlsys.stanford.edu，查看当前系列的日程表。
2. 在对应讲座条目下找到 “Livestream Link”，在讲座开始时点击进入。
3. 如果链接尚未公布，先加入邮件列表，每周会收到讲者与直播链接的通知。

预期结果：在讲座时段内通过直播链接实时观看；错过直播则转向往期讲座入口。

获取每周通知

页面明确建议通过邮件列表订阅，以每周获取讲者信息和直播链接。这是跟踪日程最省事的方式，尤其适合系列讲座时间不固定、讲者临时调整的情况。订阅入口在官网首页。

斯坦福学生的额外选项

页面说明，Stanford 学生可以注册配套课程：Systems for Machine Learning 系列对应 CS 229s 和 CS 528，Foundation Models 系列对应 CS 324。注册课程后按课程要求参与，而不只是旁听直播。非斯坦福读者则只能通过直播和往期存档获取内容。

常见卡点

• 找不到直播链接：链接通常附在具体讲座条目下，未到讲座时间可能尚未放出，订阅邮件列表可避免遗漏。
• 时区换算：所有时间均为 PT（太平洋时间），需要按所在地换算，例如北京时间通常需加 15–16 小时，并注意夏令时差异。
• 系列已结束：Limited Series 有明确起止时间，结束后只能通过 Previous Talks 查看存档，不再有直播。

适合谁看

想了解机器学习系统、基础模型工程实践和行业一线经验的学生与工程师，适合按系列跟踪；只关心某位讲者或某个主题的读者，可直接查日程表挑选单场，再决定是否订阅邮件列表。

Stanford MLSys Seminar（mlsys.stanford.edu）是斯坦福大学机器学习与系统研讨会系列的官方网站，主要发布前沿机器学习与系统交叉领域的讲座信息、日程和往期讲座内容。它面向对 MLSys 方向感兴趣的研究者、工程师和学生，提供公开的讲座直播链接与回放资源，并与斯坦福多门课程合作开设限定系列。

网站定位与内容

该网站的核心是“研讨会系列”，而非课程平台或论文库。根据页面信息，其内容围绕机器学习系统前沿展开，形式包括：

• 系列讲座日程：按日期列出讲者、主题、摘要与讲者简介
• 直播链接：每场讲座提供 Livestream Link，供线上参与
• 往期讲座：设有 Previous Talks 板块，汇总历史讲座
• 邮件订阅：可加入邮件列表，每周获取讲者与直播链接通知

网站自我描述为“Seminar series on the frontier of machine learning and systems”，即聚焦机器学习与系统前沿的研讨会系列。

与斯坦福课程的合作关系

网站明确提到与斯坦福课程的合作，形成“限定系列”（Limited Series）：

斯坦福学生可注册上述课程参与；非学生则可通过直播链接和邮件列表跟进公开讲座。

2025 年“Hidden Layer”系列示例

网站列出的 2025 年“Hidden Layer”系列展示了讲座的典型结构——讲者、主题、摘要、简介与直播链接：

• Tim Shi（OpenAI / Cresta）：主题为“Early Days at OpenAI and founding Cresta.ai”，内容涉及 OpenAI 早期、超级智能探索以及 Cresta.ai 的创立
• Beyang Liu（Sourcegraph）：主题为“Coding Agents”，讨论编码智能体这一新兴类别，以及 Sourcegraph 在大型企业代码库中的代码搜索与智能体实践

这些讲座偏向产业与研究的结合，讲者多来自一线 AI 公司或开源项目。

适合谁使用

• 想跟进 MLSys 前沿动态的工程师和研究者：通过日程和直播链接直接参与
• 斯坦福学生：可结合 CS 229s、CS 528、CS 324 等课程注册学习
• 需要历史讲座资料的人：可查阅 Previous Talks 板块

需要注意，网站未提及收费或登录限制，直播链接和邮件订阅的具体访问条件以页面实际提供为准。若你只是想了解该系列讲什么、由谁主讲，直接浏览日程页即可；若希望系统学习，可关注其与课程合作的限定系列。