Skip to content

Stanford CS224U 導讀：課程網站停在 2023 年春季，但整套教材可以 clone 下來跑

2026年8月21日 1 分鐘
首頁 › ai
TL;DR CS224U 的教材不是投影片，是一個 Apache-2.0 的 GitHub repo，講義、作業、評分文件全在裡面。但校內班從 2023 年春季之後連停三個學年，ExploreCourses 把它排回 2026-27 春季；官方課程描述至今仍列著 relation extraction 與 semantic parsing，2023 年的講次表一堂都沒有。第一份作業的資料載入 cell 在今天的新環境會卡在 Hugging Face 的相容性改動上。
#cs224u#ai-course#stanford#nlp#evaluation#dspy
目錄
  1. 這門課的硬事實
  2. 官方課程描述講的是另一門課
  3. 它接在 CS224N 後面補了什麼
  4. 這門課最反直覺的一堂：0 分藏在 83% 底下
  5. 作業長什麼樣
  6. 期末專案：那份評分文件到底要什麼
  7. 自學者實際拿得到什麼
  8. 怎麼開始
  9. 附錄：數字與查證方式
  10. 參考資料
系列: Stanford CS224U 導讀 (1 / 1)
系列: Stanford CS 主線課程導讀 (13 / 19)
Stanford CS224N 導讀：打開 2019 年那版課表，Transformer 還排在第 14 堂 Stanford CS224V 導讀：2026 年才改名叫 Agentic AI，教的卻是拿形式方法治幻覺

🌏 English version

CS224U: Natural Language Understanding 是 Stanford 的專案導向 NLP 課程，跨掛在語言學系與 Symbolic Systems 學程底下，授課者是語言學教授 Christopher Potts。官方先修只有一條：CS224N 或 CS224S 擇一。

這門課在自學圈的名氣，多半不是來自錄影，是來自它的 GitHub repo。整學期的講義 notebook、三份作業、模型程式碼、甚至那份講「期末專案怎麼做」的長文件，全部在 repo 裡，Apache 2.0 授權，git clone 就有。這在 Stanford 的 AI 課裡是少數——大部分課的作業起始碼鎖在 Canvas 或 Gradescope 後面。

這篇要回答的是「進去之後會發生什麼事」。它跟 CS224N 到底怎麼分工、三份作業各要你做什麼、期末專案那份評分文件寫死了哪些要求，以及今天 clone 下來還跑不跑得動。

不包含逐篇論文精讀，也不包含 XCS224U 這個付費線上版的課內材料——那些在登入牆後面，我沒有存取權。（2026-08-26 更新：Stanford Online 頁面已標明此課程自 2025 年 5 月 19 日起停止提供，YouTube 上的 Spring 2023 免費錄影成為唯一公開的授課紀錄。）

這門課的硬事實

先講最容易誤判的一件事：課程網站現在停在 2023 年春季。 打開來，標題就是「Spring 2023」，教學團隊、講次表、繳交期限全是那學期的。cs224u.stanford.edu 也只是轉到同一頁。

Stanford 的封存區裡，這門課只有一份存檔，對應的正是那個學期；其後每一年的封存網址都是 404。

ExploreCourses 的公開資料指向同一件事。用它的 XML 介面逐學年查 CS 224U，會看到課程條目一直都在，但連續三個學年的 sections 是空的——掛在目錄上，沒有開班。要到 2026-27 學年才又排出一節春季課，講師欄位目前空白。

Potts 自己的授課紀錄頁給出同一個答案。他最後一次列出校內版的 CS 224u，是在 2022-23 學年。之後每一年，這門課在他的清單上都只剩線上的 XCS 224u——Stanford Center for Professional Development 開的那個版本。

其餘硬事實：3 到 4 學分，Letter 或 Credit/No Credit 皆可。課程頁開宗明義寫著這門課可以全線上、非同步修完，第一堂投影片也寫每一堂都會錄影、不強制出席。但那是給選課學生的，錄影在 Canvas 與 Panopto 後面。

官方頁面完全沒有提校外旁聽。唯一的付費入口是 XCS224U，最近一梯在 2025 年春天——而 Stanford Online 已於 2025 年 5 月 19 日將這門課整個下架（2026-08-26 重查確認），付費入口也消失了。

官方課程描述講的是另一門課

ExploreCourses 上 CS 224U 的課程描述（2026-27 學年版本，一字不差）列出的主題是：

Topics include lexical semantics, distributed representations of meaning, relation extraction, semantic parsing, sentiment analysis, and dialogue agents

拿這串去對 2023 年的講次表，會發現對不上。那學期的單元標題只有五個：Domain adaptation for supervised sentiment、Retrieval augmented in-context learning、Advanced behavioral evaluation、Analysis methods、NLP methods，最後接一段做專案的時間。relation extraction 沒有，semantic parsing 沒有，dialogue agents 沒有。

那串主題不是憑空來的。翻到同一個網域下的 2019 年課程網站，講次表上白紙黑字寫著這些：distributed word representations、supervised sentiment analysis、relation extraction with distant supervision、NLI models、grounded language understanding、semantic parsing、contextual word representations。

課程描述描述的是四年前的那門課，而它現在還掛在 2026-27 學年的目錄上。

這件事對照著課表排計畫的人特別要注意：課程描述欄位不會隨講次表更新。要知道一門 Stanford 課實際教什麼，去看它的課程網站講次表，不要看目錄。

它接在 CS224N 後面補了什麼

課程描述沒說的，Potts 自己在第一堂的投影片裡說了：

CS224n is a prerequisite for this course, so we are going to skip a lot of the fundamentals we have covered in past years.

這句話在 repo 裡留下了實體痕跡。README 逐個目錄標註用途，其中一整批被標成 This is now considered background material for the course：vsm_*（向量空間模型、PMI、LSA、GloVe）、sst_*（Stanford Sentiment Treebank 上的監督式學習）、finetuning.ipynb、以及純 NumPy 實作的 np_*.py。

這些東西曾經是這門課的核心。2019 年的講次表第二講就是 distributed word representations，現在它被降級成「你如果需要複習再看」。

被砍掉的空間換來的是 2023 年的五個單元。用課程自己的背景材料頁當分界線最清楚：那一頁上全部是 CS224N 已經教過、CS224U 不再花時間的東西。

有意思的是反方向也在動。CS224N 現在的課程網站由 Diyi Yang 與 Yejin Choi 授課，講次表上有一堂叫「Agents, Tool Use, and RAG」，還有一堂叫「Benchmarking and Evaluation」。正好是 CS224U 那五個單元裡的兩個方向。

這兩件事只是同時成立。 官方頁面沒有把它們連起來，也沒有任何一頁解釋 CS224U 為什麼停開三年。我查到的只有現象：一門課的網站停在 2023 年，同一時期它的先修課擴充了主題範圍。成因是什麼，頁面上沒寫。

這門課最反直覺的一堂：0 分藏在 83% 底下

如果只挑一堂公開材料來讀，我會選 advanced behavioral evaluation 那份投影片。它做的事是把「這個模型在 benchmark 上拿幾分」這個問題整個拆掉。

課堂上放了一張 COGS 的成績表。COGS 是給模型看英文句子、要它輸出邏輯形式的組合性泛化測試，泛化題分成 lexical（換詞）與 structural（換結構）兩類。表上一排模型的 overall 分數看起來就是個一般的排行榜，有高有低。

但把 structural 那幾欄拆開來看，Obj PP → Subj PP 和 CP Recursion 兩欄，幾乎每個模型都是 0，包括 overall 分數排在前段的 T5。lexical 那欄則多數在九成以上。一個平均分數，把「完全做得到」和「完全做不到」平均成了「大致做得到」。

課程接著講 Potts 自己實驗室的後續研究 ReCOGS（arXiv:2303.13716）。這篇的立場更反直覺：那些 0 分，有相當一部分不是模型不懂語意，是被邏輯形式的書寫慣例卡住的。COGS 的變數編號按詞在句子裡的線性位置決定，另外還有一批可以直接刪掉的冗餘 token。

投影片把它明確標成一個假設（Hypothesis）加一個結果（Result）。假設是：訓練資料教會了模型「介系詞片語只會出現在特定的變數與位置上」。結果是：把那些慣例改掉之後，LSTM 與 Transformer 的分數都大幅上升。改完之後這個任務仍然不簡單——課程用的措辭是 ReCOGS remains challenging。

這一堂給的尺是可以直接拿去用的：下次看到一個 benchmark 的總分，先問它底下有沒有一整欄是 0，以及有多少分數其實是在量測輸出格式而不是能力。這門課用一份自家論文示範了怎麼把後者拆出來。

作業長什麼樣

三份，每份都是「作業 + bake-off」的組合：作業本身占大部分分數，把你的原創系統丟進全班競賽再拿一分。每份作業裡權重最高的一題都是「Your original system」，而評分規則寫得很硬。

政策頁寫著，很有創意、動機清楚的系統就算在 bake-off 資料上表現不好，一樣給滿分（原文用的字是 given full credit even if they do not perform well）。反過來也寫死了：下載別人的程式碼、重訓、送出，就算 bake-off 分數很漂亮也不給分。這條在政策頁和第一堂投影片上各出現一次，是這門課少數重複強調的規則。

逐份看（notebook 都在 repo 根目錄）：

hw_sentiment.ipynb：多領域情感分析。 資料是 DynaSent 兩輪加 SST。Question 1 是 scikit-learn 的特徵函式與線性分類器，Question 2 才進 Transformer 微調（tokenize、取上下文表徵、寫 fine-tuning module）。純 CPU 可以做完 Question 1。

hw_openqa.ipynb：用 DSPy 做少樣本 OpenQA。這份是分水嶺。 它同時要你準備三樣東西：OpenAI API key、ColBERTv2 的預訓練權重、以及一份預先建好的 ColBERT 索引（課程網站上那份索引是 600 MB 的壓縮檔）。notebook 自己把話講白了——這種規模的模型，你要嘛付 API 的錢，要嘛付叢集的錢，要嘛用比較小的機器付時間。另外兩份作業沒有一項要你掏錢，這一份有。

hw_recogs.ipynb：組合性泛化。 對應上一節那堂課。開頭只是寫一個比對函式，找出模型難處理的專有名詞；中段切回 DSPy 做 in-context learning。

原創系統那題在這份裡給了四條路：寫一支 DSPy 程式、繼續訓練課程提供的模型、拿一個預訓練模型來改、或是從頭訓一個 seq2seq。

期末專案：那份評分文件到底要什麼

專案占成績的一半，拆成文獻回顧、實驗計畫、期末論文三段交件。要求寫在 repo 裡的 projects.md——這份文件將近四萬字元，本身就是一篇「怎麼在 NLP 領域做一個研究專案」的教學。

裡面最該被引用的是這句：

We will never evaluate a project based on how "good" the results are.

文件接著給了實際的三條軸：指標選得恰不恰當、方法夠不夠紮實、以及論文對自身發現的極限講得夠不夠清楚。它給的理由是，發表管道因為版面有限才偏好正面結果，課程沒有這個限制，所以正面結果、負面結果、以及中間的一切都同等看待。

其他寫死的硬規定：

  • 文獻回顧的篇數依組員人數遞增，一人 5 篇、兩人 7 篇、三人 9 篇。回顧的對象不限 NLP 論文，書、夠好的部落格文章、政府報告都可以。
  • 三份交件全部用 ACL 格式，期末論文強制使用指定模板。
  • 期末論文有兩節是這門課特有的：Known project limitations（設想一個善意的實務工作者要拿你的資料或模型去用，他該知道什麼）與 Authorship statement（就算只有一位作者也要寫，因為課程要知道這個專案有沒有校外合作者）。
  • 實驗計畫不是預先註冊，文件明講計畫改變很正常，但改了要跟指導的助教談。
  • 跟別堂課的期末專案太像會被當掉，而且是「兩邊都交上來給我們判斷」的處理方式。

文件末尾列了一批從 CS224u 專案長成正式發表的論文，但 Potts 在那份清單下面自己補了一段但書：這些論文在被接受之前都經過大幅修改，而且它們在當初交出來的時候就已經超出課程的期待，所以不是課程期末的標準。這段但書在二手介紹裡幾乎沒人提，但它才是那份清單的正確讀法。

自學者實際拿得到什麼

逐項講，拿得到與拿不到分開：

拿得到：整個 repo。 Apache 2.0 加 CC BY-SA 4.0，兩千多顆星。三份作業 notebook、全部講義 notebook、模型程式碼、test/ 目錄下的 pytest、以及 projects.md。

拿得到：投影片 PDF。 課程網站 slides/ 目錄下的 handout 全部公開直連，包括上面引用的那兩份。

拿得到：全套錄影，但不是校內班的。 Stanford Online 在 YouTube 上放了 XCS224U Spring 2023 的完整播放清單，五十支，是切成小段的螢幕錄影（Contextual Word Representations 就拆成十段）。這是線上版的教材，不是教室錄影，所以沒有現場問答。

拿得到：podcast。 Potts 訪談的十幾集，Douwe Kiela、Omar Khattab、Percy Liang、Sam Bowman 都在裡面。最後一集是 2023 年 2 月。

拿不到：教室錄影、Canvas 上的 quiz、往年的優秀期末論文範例。 課程頁面明講範例論文「link restricted to enrolled students」。

拿不到：XCS224U 的課內材料與助教。 那是付費的，而且 2026-08-26 重查時 Stanford Online 頁面已明寫「as of May 19, 2025, this course is no longer available」——連付費這條路也關了。

要注意：repo 現在是別人在維護，而且第一份作業照原樣跑不起來。 最近一批 commit 集中在 2025 年初，作者是 XCS224U 線上梯次的助教，訊息寫著更新 torch 版本、更新 openai 套件。三份作業 notebook 內嵌的版本字串也對不上課程網站，最新的一份標的是 Fall 2024（逐份對照見附錄）。

真正會擋住你的是 hw_sentiment.ipynb 的資料載入。它呼叫 load_dataset("dynabench/dynasent", ..., trust_remote_code=True)，但 Hugging Face datasets 4.0.0 的 release note 寫著 trust_remote_code is no longer supported；而 dynabench/dynasent 在 Hub 上只有一支 2021 年的 Python 載入腳本，沒有 parquet 版本——HF 的 API 直接回「the dataset viewer doesn't support this dataset because it runs arbitrary Python code」。repo 的 requirements.txt 沒有把 datasets 釘住版本，所以新裝的環境會拿到最新版。我沒有實際跑過，但這三個公開事實指向同一個結論：要動這份作業，你得自己把 datasets 降版，或自己去把 DynaSent 轉成 parquet。

requirements.txt 裡另一個值得知道的是 dspy-ai==2.4.13，旁邊的註解寫著 pin down dspy-ai during the cohort。它釘死了，所以裝得起來——但 DSPy 現在的主版本已經走到 3.x，notebook 裡 dspy.OpenAI(...) 這種寫法在新版已經不是那樣用了。你學得到 DSPy 的思路，但學不到 DSPy 現在的 API。

怎麼開始

今晚可以做完的一件事：

git clone https://github.com/cgpotts/cs224u.git
cd cs224u

不要先碰 hw_sentiment.ipynb（上一節那個坑）。打開 projects.md，直接跳到 Experiment protocol 那一節，把底下六個小標抄下來——Hypotheses、Datasets、Metrics、Models、General reasoning、Summary of progress so far——然後拿你手上正在做的任何一件事（工作上的模型、side project、想寫的部落格文章）逐項填一遍。

Hypotheses 那一節專門處理一種情況：你其實沒有假設，你只是想看看某個新模型在某個任務上表現如何。文件的回應是要你把它逼成一個精確的假設，例如指認新模型裡的某個元件、主張那個元件是關鍵——因為這樣才決定得了要拿什麼去對照（有那個元件的、跟只差那個元件的）。

填不出 Models 那一格的基準線是什麼，就是你今晚真正的收穫。

附錄：數字與查證方式

  • 停開的三個學年：用 ExploreCourses 的公開 XML 介面（https://explorecourses.stanford.edu/search?view=xml-20200810&academicYear=<學年>&q=Natural+Language+Understanding&filter-departmentcode-CS=on）逐年查，CS 224U 在 20232024、20242025、20252026 三個學年的條目都存在但 <sections> 為空；20222023 有一節 2022-2023 Spring，20262027 有 2026-2027 Spring 的講座與討論各一節，classId 25499 與 25500，講師欄位空白。ExploreCourses 的 HTML 版本我沒能取得——用 curl 或 scraping 工具打它的 view=catalog 頁面只會拿到「Please login to view this page」，所以「Last offered」那一行我沒有讀到原文，上述判斷是根據同一套資料的 XML 輸出加上 Potts 授課頁的交叉比對。
  • 作業 notebook 的版本字串：hw_sentiment.ipynb 標 CS224u, Stanford, Spring 2023、hw_recogs.ipynb 標 Spring 2024、hw_openqa.ipynb 標 Fall 2024。課程網站則停在 Spring 2023。
  • COGS 那張表：九列模型，overall 落在 48 到 88 之間，本文提到的 T5 是 83。structural 三欄裡 Obj PP → Subj PP 九列全部為 0，CP Recursion 只有兩列非 0，PP Recursion 有四列非 0；lexical 欄有六列在 90 以上。
  • repo 狀態（GitHub API，2026-08-21 查）：2,192 star、911 fork、3 個開啟中的 issue，最後一次 push 是 2025-02-28，archived 為 false。最舊的開啟中 issue 是 2023 年 8 月的 #127，回報 hw_sentiment.ipynb 第一個 cell 失敗（charset_normalizer 相關），Potts 當天回覆過，至今未關。repo 內沒有 .github/workflows 目錄，README 上的 CI badge 在 2025-02-27 一個標題為 remove failed badge 的 commit 中被移除。
  • 成績配比：quiz 15%、作業與 bake-off 35%、文獻回顧 10%、實驗計畫 10%、期末論文 30%。政策頁另有一張不做常態分配的分數對照表（≥94 為 A，≥90 為 A−，<60 不通過），以及每人 4 天免費遲交額度——但期末論文任何情況都不接受遲交。
  • COGS 那張表的對照條件：投影片標註該表轉引自 ReCOGS（Wu, Manning & Potts 2023）。表上三列另標了「結果引自 Yao and Koller (2022)」，最高分那一列標了「該模型使用預訓練權重，並以泛化集抽樣做過超參數調整」。
  • 作業配分：三份作業都是 9 + 1（bake-off 參賽 1 分），原創系統那題在三份裡都是 3 分。bake-off 榜首另有 0.5 分加分，遲交的參賽項目可以收但拿不到加分。
  • 檔案大小：ColBERTv2 checkpoint 約 406 MB、課程的預建索引約 600 MB，兩個連結在 2026-08-21 都還可下載（HTTP 200）。
  • 未能確認的項目：(1) 2026-27 春季由誰授課——ExploreCourses 講師欄位是空的（2026-08-26 重查仍空白；對照同季的 CS224N 與 CS336 講師都已填上，確認是未指派而非資料缺欄），Potts 的授課頁最新只寫到 2024-25，GitHub repo 也沒有任何新學期準備的跡象。間接線索偏向 Potts 回鍋：他的 Linguistics 系主任任期到 2025 年 8 月屆滿，Amazon Scholar 的兼任也在 2024 年 12 月結束——卸任後隔一個學年，課就排回來了。但不能寫死。(2) 停開三年的原因——沒有任何官方頁面說明，但背景拼圖在 2026-08-26 補齊了大半：個人層面，系主任任期（2020-09 至 2025-08）與 Amazon Scholar 兼任（2022-10 至 2024-12）正好覆蓋停開的兩年，且他 2025 年 1 月起共同創辦 AI agent 監控新創 Bigspin AI 任 Chief Scientist，2025–26 年的公開活動全是外部演講與 webinar、零教學紀錄——「重心移轉」證據很強，「不回鍋」則只是推測。校級層面，XCS224U 的下架也不是孤立事件：Stanford 因預算砍 $140M 並裁員，2026 年 1 月直接裁撤了數位教育副教務長辦公室（Stanford Daily 報導），付費自學課程線批量 sunset——收的是低量產品線，同期 XCS224N 等熱門課仍在招生。他停開期間仍有教其他課，「太忙所以不教書」不成立；最後一堂校內課（2023 春）經 ExploreCourses XML 反查確認是他本人 PI。(3) 校外人士能否旁聽校內班——Stanford Bulletin 的 auditing 政策明文只開放已註冊學生、postdoc、訪問學者與教職員；校外一般人要走付費的 Permit to Attend 且需講師、系所、註冊組三層核准，實務上等於不能免費坐進去。付費遠端的部分見下一節：XCS224U 已於 2025 年 5 月正式停開（同一波 Stanford Online 還收了 XCS330，但 XCS224N 仍在招生），官方只有一句通用的「periodically sunset」說法，沒有逐門理由。(4) 上述那個資料載入問題我沒有實際建環境執行，結論是由三份公開文件推得的。

參考資料

相關文章

Stanford CS124 導讀：課號掛 100，先修寫死四門，而且下一學年整年不開 1 min Stanford CS224N 導讀：打開 2019 年那版課表，Transformer 還排在第 14 堂 1 min Stanford CS329Z 導讀：先用 litellm 手刻一遍 agent，再讓 DSPy 把它收走 1 min