[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"site-header-camps":49,"news-detail-ba540788-5581-4b88-80fb-b435fcd9fa8c":104},{"enabled":4,"title":5,"statusText":5,"buttonText":5,"campSlug":5,"stage":6,"classroomId":7,"hasClassroom":4},false,"",0,null,{"total":9,"list":10,"pageNum":44,"pageSize":45,"size":9,"startRow":44,"endRow":9,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":48,"navigateFirstPage":44,"navigateLastPage":44},3,[11,25,35],{"slug":12,"title":13,"logo":7,"liveUrl":14,"prize":15,"sponsor":16,"description":17,"organizer":18,"startTime":19,"endTime":20,"registrationDeadline":21,"status":22,"dashboardVisibility":23,"createdAt":24},"spring2026","2026春季启元人工智能大赛","https:\u002F\u002Fwww.bilibili.com\u002Fblackboard\u002Flive\u002Flive-activity-player.html?cid=1822703816&quality=0","200,000","麒麟软件有限公司","“2026春季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。\n各参赛选手需在规定的比赛周期内，依据赛事规则选定赛题并完成相应挑战，优胜者将共同角逐总额20万元的赛事奖金池，并且还将有机会获得实习和知名企业优质岗位内推资格。","启元实验室","2026-04-19 16:00:00","2026-07-13 16:00:00","2026-06-16 16:00:00","ongoing","private","2026-04-16 08:00:00",{"slug":26,"title":27,"logo":7,"liveUrl":14,"prize":28,"sponsor":7,"description":29,"organizer":18,"startTime":30,"endTime":31,"registrationDeadline":32,"status":33,"dashboardVisibility":23,"createdAt":34},"autumn2025","2025秋季启元人工智能大赛","150,000","“2025秋季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。","2025-11-08 08:00:00","2026-01-13 08:00:00","2025-12-30 08:00:00","ended","2025-11-03 08:00:00",{"slug":36,"title":37,"logo":7,"liveUrl":14,"prize":38,"sponsor":7,"description":39,"organizer":18,"startTime":40,"endTime":41,"registrationDeadline":42,"status":33,"dashboardVisibility":23,"createdAt":43},"summer2025","启元人工智能大赛(系统方向)","80,000","启元人工智能大赛由启元实验室主办，其中系统赛道基于启元实验室九源软件栈的相关开源项目，通过拉动开源社区力量，一方面促进国产智能计算生态的发展，另一方面也为人工智能系统方向的学生及从业者提供一个实践平台。","2025-07-08 08:00:00","2025-08-25 08:00:00","2025-07-22 08:00:00","2025-06-22 08:00:00",1,5,true,8,[44],{"total":45,"list":50,"pageNum":44,"pageSize":45,"size":45,"startRow":44,"endRow":45,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":103,"navigateFirstPage":44,"navigateLastPage":44},[51,62,73,84,94],{"id":52,"slug":53,"title":54,"logo":55,"publicLiveEmbedUrl":14,"description":56,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":58,"endTime":59,"status":22,"dashboardVisibility":60,"createdAt":58,"updatedAt":61},"019eeeff-6b00-7d55-a629-efafded3e232","summer2026","2026年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2026-06\u002F019eef7f-7816-7828-9309-79c2c61dd568.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=AinPh5x442JZSqU5%2BvTUSkweWDI%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。","...","2026-06-22 08:00:00","2026-10-19 08:00:00","public","2026-10-12 08:00:00",{"id":63,"slug":64,"title":65,"logo":66,"publicLiveEmbedUrl":7,"description":67,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":68,"startTime":69,"endTime":70,"status":33,"dashboardVisibility":23,"createdAt":71,"updatedAt":72},"019af3f3-e06a-7245-aa8d-37dc99a69c73","winter2025","2025年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-12\u002F019afc69-b7ca-7805-91fb-605429671c01.png?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=jnU9qNboV7wk2P3hEfpTJn8ZKaM%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。 \n","新华三技术有限公司","2025-12-25 08:00:00","2026-03-27 08:00:00","2025-12-06 08:00:00","2026-10-22 20:24:30",{"id":74,"slug":36,"title":75,"logo":76,"publicLiveEmbedUrl":7,"description":77,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":78,"startTime":79,"endTime":80,"status":81,"dashboardVisibility":23,"createdAt":82,"updatedAt":83},"01980342-208c-7803-b3f3-19e1d31960ba","2025年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-07\u002F0198045e-28fe-78f0-95fe-23835ce58395.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=7ex5MR5CS%2Fe1GoK%2Fz78FRPVB6b0%3D","InfiniTensor大模型与人工智能系统训练营由启元实验室及清华大学 AI 系统方向团队发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营联合开源项目开发者、学术界大牛、工业界资深工程师参与授课与项目指导。课程采用「线上直播授课 + 在线答疑 + 项目实践辅导 」的方式进行，确保每位同学都能获得充分成长。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","北京积算科技有限公司","2025-07-14 08:00:00","2025-09-30 08:00:00","upcoming","2025-07-13 08:00:00","2026-10-22 20:24:58",{"id":85,"slug":86,"title":87,"logo":88,"publicLiveEmbedUrl":7,"description":89,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":90,"endTime":91,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":93},"01980cf9-a7d8-7796-ae86-0bbe05334add","winter2024","2024年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-ce23-7624-a287-9f07dd0d85f6.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。报名学员请阅读“导学”课程页的训练营介绍。","2025-01-05 08:00:00","2025-03-22 08:00:00","2025-07-15 08:00:00","2026-10-22 20:24:39",{"id":95,"slug":96,"title":97,"logo":98,"publicLiveEmbedUrl":7,"description":99,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":100,"endTime":101,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":102},"01980c20-363a-7dc3-8f5a-58a68e08dcc4","summer2024","2024年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-fbfa-788a-afcd-17fa9be74ff9.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区和高校，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过课程、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","2024-07-20 08:00:00","2024-09-29 08:00:00","2026-10-22 20:24:49",[44],{"newsDetail":105,"processedData":128},{"publishTime":106,"img":107,"keywords":108,"treeType":44,"description":109,"showStatus":44,"updateTime":110,"type":44,"title":111,"content":112,"nextArticle":113,"createTime":119,"sortOrder":6,"canonicalPath":120,"id":121,"contentType":122,"prevArticle":123},"2026-11-09 16:00:00","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F15d11bc9-1b10-4b6f-ba3f-0fe96349356d.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=K%2F8eg%2Feab5M1Gh38hDq8wNcLUeA%3D","InfiniCoder,代码智能体,任务记忆,代码分析,边端大模型","InfiniCoder 为新开源代码智能体，依靠多视图代码记忆、任务工作记忆、领域约束校验，提升边端中小大模型复杂编程能力，完成算子、框架开发的分析、实现与验证工作。","2026-11-09 14:26:41","九源开源技术周 06｜InfiniCoder：用代码分析与任务记忆增强编程能力","![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F913a175c-abcd-489f-9137-1c5085346b04.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=BxK6fDR5mNkMdkmKTQuh2UGShII%3D)\n\n\n\u003Cspan style=\"font-size:13px;color:#777;\">在已有项目中修改代码，经常需要跨文件追踪接口和状态变化，还要记住前面做过哪些修改、哪些测试没有通过。任务越复杂，源码信息和开发进展的组织就越重要。代码智能体要参与这些工作，也需要相应的分析方法、记忆机制和执行工具。\u003C\u002Fspan>\n\n\n**InfiniCoder 是我们新开源的代码智能体**，支持通用编程任务，并将算子开发与优化、训练推理框架开发等作为能力增强的重点方向。它接入现有大模型，将程序分析、代码记忆和任务流程结合起来，帮助模型围绕实际目标完成分析、实现与验证。\n\n**InfiniCoder 重点增强边端侧大模型的代码能力。** 相较于 GLM、Kimi、DeepSeek 等系列中的千亿乃至万亿级模型，适合边端部署的十亿级、百亿级模型，在复杂编程任务上的能力往往还有差距。我们希望通过代码分析、任务记忆和工具协同，让 Qwen3.8-27B、MiniCPM5-2B 等模型在有限资源下，也能完成更复杂的开发任务。\n\n### 用多视图代码记忆组织上下文\n一份源码可以从不同角度理解：文件和符号结构说明实现在哪里，静态调用关系说明接口之间如何连接，数据结构和引用关系则帮助追踪状态在哪里定义、在哪里使用。\n\nInfiniCoder 将这些信息组织成相互关联的代码视图，并保留对应的源码位置和版本。围绕一项修改，模型可以从接口定义展开到相关调用位置和实现片段，把分散在不同文件中的逻辑联系起来。\n\n上下文按照**仓库、模块、符号和源码片段**分层组织。先定位相关模块，再展开具体实现，让有限的上下文优先容纳当前任务需要的信息。分析结果与源码版本关联，也为修改后的信息核对和更新提供依据。\n\n在跨文件定位并修复加权平均计算错误的任务中，MiniCPM5-2B  在三种配置下的结果如下：\n| 配置 | 模型请求次数 | 结果 |\n| :---: | :---: | :---: |\n| 未自动加入代码记忆 | 20 次 | 失败 |\n| +仓库记忆 | 12 次 | 通过 |\n| +导航视图 | 9 次 | 通过 |\n\n\n⚠️这个案例中，同一模型在原配置下未能完成的任务，在加入仓库记忆和导航视图后得到了解决。\n\n另一个例子是“数据已经更新，读到的仍然是旧缓存”。这类问题需要同时检查数据更新、事务回滚和缓存读取的逻辑。多视图可以帮助组织这些相关实现，供模型分析状态变化如何传递。在对应的事务缓存修复任务中，**Qwen3.8-27B 的单次代码生成未通过检查**；**接入 InfiniCoder 后，同一模型生成的修复通过了独立检查**，覆盖嵌套事务、删除和缓存失效等情况。\n\n### 将代码事实与任务进展分别记住\n\n代码记忆记录当前仓库中的结构与关系，任务工作记忆则记录这次开发已经做过什么。两类信息有不同的用途，也需要分别管理。\n\nInfiniCoder 的任务工作记忆围绕实际操作、修改进展和失败反馈组织信息。在上下文压力增大时，这些记录可以为后续步骤保留依据：哪些地方已经修改，哪些检查没有通过，下一次尝试需要接着处理什么问题。\n\n这样的设计让前面的分析和验证能够继续参与后续决策。模型可以利用此前的执行结果调整方案，沿着已有进展推进开发。\n\n在训练检查点恢复和分页 KV Cache 修复两项任务的对照测试中，同样使用 Qwen3.8-27B。**在 InfiniCoder 中关闭任务工作记忆时，两项任务均未通过；启用后，两项任务均通过了检查。** 这些案例为利用任务记忆增强连续开发能力提供了具体支撑。\n\n### 把领域约束纳入实现与验证\n算子与框架开发的要求，需要落实到模型的工作步骤中。\n\nInfiniCoder 的算子流程将 shape、dtype、stride 和精度要求纳入实现与检查；框架流程则关注数值状态、对象生命周期、检查点恢复等问题。涉及多个模块时，可以进一步形成依赖计划，明确接口关系、修改范围和验证步骤，再分阶段推进。\n\n以 masked softmax 为例，非连续输入和掩码广播会影响索引方式，全掩码行需要相应的数值处理，半精度输入也需要考虑累积精度。Qwen3.8-27B 的单次生成未通过这一任务的检查；借助 InfiniCoder 读取代码、运行检查并继续修改，同一模型生成的实现通过了独立检查。\n\n执行检查产生的错误会反馈给模型，推动下一轮修改；最终产物再接受独立验证。领域知识由此进入具体的实现、检查和修复过程。\n\n### 后续：加强编译器协同，增强边端侧模型的代码能力\nInfiniCoder 是一个正在发展中的代码智能体。后续的工作中，除了增强通用代码能力外，InfiniCoder 将进一步加强与编译器的协同，让模型负责算法设计和代码实现，由编译器完成代码生成与优化。模型在开发中探索出的有效优化方法，也将经过验证后沉淀到编译器中，供后续任务直接复用，减少重复探索。\n\n同时，在边端侧大模型的代码能力增强方面，InfiniCoder 将通过代码分析、任务记忆和工具执行，帮助模型在有限资源下理解复杂代码、完成更长的开发任务，进一步完善从需求拆解、代码实现到测试修复的连续工作过程，逐步支持跨模块功能开发与系统集成。\n\n\n## 相关链接\n**开源地址：** https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCoder\n\n\n\n## 关注与交流\n\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F865da0b9-1819-4010-90a0-db2b15dc6029.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=YR8U4AdW%2Bi95azSVrZ%2FG9ex6iP4%3D)",{"publishTime":114,"createTime":115,"canonicalPath":116,"id":117,"title":118},"2026-11-09 08:00:00","2026-11-09 14:32:48","\u002Fnews\u002Fbac7ce5f-65cd-47ff-a2c4-ccd1320f3823","bac7ce5f-65cd-47ff-a2c4-ccd1320f3823","CCF 软件大会 2026 | 九源开讲：共话 AI 时代系统软件人才培养","2026-11-09 14:06:43","\u002Fnews\u002Fba540788-5581-4b88-80fb-b435fcd9fa8c","ba540788-5581-4b88-80fb-b435fcd9fa8c","markdown",{"publishTime":106,"createTime":124,"canonicalPath":125,"id":126,"title":127},"2026-11-09 14:10:28","\u002Fnews\u002F89b054e7-08c6-4bb6-92df-cf6da268c540","89b054e7-08c6-4bb6-92df-cf6da268c540","九源开源技术周 07｜从一个推理框架，到一套统一智能计算软件栈",{"htmlContent":129,"headings":130},"\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F913a175c-abcd-489f-9137-1c5085346b04.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=BxK6fDR5mNkMdkmKTQuh2UGShII%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cp>\u003Cspan style=\"font-size:13px;color:#777;\">在已有项目中修改代码，经常需要跨文件追踪接口和状态变化，还要记住前面做过哪些修改、哪些测试没有通过。任务越复杂，源码信息和开发进展的组织就越重要。代码智能体要参与这些工作，也需要相应的分析方法、记忆机制和执行工具。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cstrong>InfiniCoder 是我们新开源的代码智能体\u003C\u002Fstrong>，支持通用编程任务，并将算子开发与优化、训练推理框架开发等作为能力增强的重点方向。它接入现有大模型，将程序分析、代码记忆和任务流程结合起来，帮助模型围绕实际目标完成分析、实现与验证。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>InfiniCoder 重点增强边端侧大模型的代码能力。\u003C\u002Fstrong> 相较于 GLM、Kimi、DeepSeek 等系列中的千亿乃至万亿级模型，适合边端部署的十亿级、百亿级模型，在复杂编程任务上的能力往往还有差距。我们希望通过代码分析、任务记忆和工具协同，让 Qwen3.8-27B、MiniCPM5-2B 等模型在有限资源下，也能完成更复杂的开发任务。\u003C\u002Fp>\n\u003Ch3 id=\"用多视图代码记忆组织上下文\">\u003Ca class=\"anchor\" href=\"#用多视图代码记忆组织上下文\" aria-label=\"跳转到标题：用多视图代码记忆组织上下文\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>用多视图代码记忆组织上下文\u003C\u002Fh3>\u003Cp>一份源码可以从不同角度理解：文件和符号结构说明实现在哪里，静态调用关系说明接口之间如何连接，数据结构和引用关系则帮助追踪状态在哪里定义、在哪里使用。\u003C\u002Fp>\n\u003Cp>InfiniCoder 将这些信息组织成相互关联的代码视图，并保留对应的源码位置和版本。围绕一项修改，模型可以从接口定义展开到相关调用位置和实现片段，把分散在不同文件中的逻辑联系起来。\u003C\u002Fp>\n\u003Cp>上下文按照\u003Cstrong>仓库、模块、符号和源码片段\u003C\u002Fstrong>分层组织。先定位相关模块，再展开具体实现，让有限的上下文优先容纳当前任务需要的信息。分析结果与源码版本关联，也为修改后的信息核对和更新提供依据。\u003C\u002Fp>\n\u003Cp>在跨文件定位并修复加权平均计算错误的任务中，MiniCPM5-2B  在三种配置下的结果如下：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth align=\"center\">配置\u003C\u002Fth>\n\u003Cth align=\"center\">模型请求次数\u003C\u002Fth>\n\u003Cth align=\"center\">结果\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd align=\"center\">未自动加入代码记忆\u003C\u002Ftd>\n\u003Ctd align=\"center\">20 次\u003C\u002Ftd>\n\u003Ctd align=\"center\">失败\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd align=\"center\">+仓库记忆\u003C\u002Ftd>\n\u003Ctd align=\"center\">12 次\u003C\u002Ftd>\n\u003Ctd align=\"center\">通过\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd align=\"center\">+导航视图\u003C\u002Ftd>\n\u003Ctd align=\"center\">9 次\u003C\u002Ftd>\n\u003Ctd align=\"center\">通过\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>⚠️这个案例中，同一模型在原配置下未能完成的任务，在加入仓库记忆和导航视图后得到了解决。\u003C\u002Fp>\n\u003Cp>另一个例子是“数据已经更新，读到的仍然是旧缓存”。这类问题需要同时检查数据更新、事务回滚和缓存读取的逻辑。多视图可以帮助组织这些相关实现，供模型分析状态变化如何传递。在对应的事务缓存修复任务中，\u003Cstrong>Qwen3.8-27B 的单次代码生成未通过检查\u003C\u002Fstrong>；\u003Cstrong>接入 InfiniCoder 后，同一模型生成的修复通过了独立检查\u003C\u002Fstrong>，覆盖嵌套事务、删除和缓存失效等情况。\u003C\u002Fp>\n\u003Ch3 id=\"将代码事实与任务进展分别记住\">\u003Ca class=\"anchor\" href=\"#将代码事实与任务进展分别记住\" aria-label=\"跳转到标题：将代码事实与任务进展分别记住\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>将代码事实与任务进展分别记住\u003C\u002Fh3>\u003Cp>代码记忆记录当前仓库中的结构与关系，任务工作记忆则记录这次开发已经做过什么。两类信息有不同的用途，也需要分别管理。\u003C\u002Fp>\n\u003Cp>InfiniCoder 的任务工作记忆围绕实际操作、修改进展和失败反馈组织信息。在上下文压力增大时，这些记录可以为后续步骤保留依据：哪些地方已经修改，哪些检查没有通过，下一次尝试需要接着处理什么问题。\u003C\u002Fp>\n\u003Cp>这样的设计让前面的分析和验证能够继续参与后续决策。模型可以利用此前的执行结果调整方案，沿着已有进展推进开发。\u003C\u002Fp>\n\u003Cp>在训练检查点恢复和分页 KV Cache 修复两项任务的对照测试中，同样使用 Qwen3.8-27B。\u003Cstrong>在 InfiniCoder 中关闭任务工作记忆时，两项任务均未通过；启用后，两项任务均通过了检查。\u003C\u002Fstrong> 这些案例为利用任务记忆增强连续开发能力提供了具体支撑。\u003C\u002Fp>\n\u003Ch3 id=\"把领域约束纳入实现与验证\">\u003Ca class=\"anchor\" href=\"#把领域约束纳入实现与验证\" aria-label=\"跳转到标题：把领域约束纳入实现与验证\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>把领域约束纳入实现与验证\u003C\u002Fh3>\u003Cp>算子与框架开发的要求，需要落实到模型的工作步骤中。\u003C\u002Fp>\n\u003Cp>InfiniCoder 的算子流程将 shape、dtype、stride 和精度要求纳入实现与检查；框架流程则关注数值状态、对象生命周期、检查点恢复等问题。涉及多个模块时，可以进一步形成依赖计划，明确接口关系、修改范围和验证步骤，再分阶段推进。\u003C\u002Fp>\n\u003Cp>以 masked softmax 为例，非连续输入和掩码广播会影响索引方式，全掩码行需要相应的数值处理，半精度输入也需要考虑累积精度。Qwen3.8-27B 的单次生成未通过这一任务的检查；借助 InfiniCoder 读取代码、运行检查并继续修改，同一模型生成的实现通过了独立检查。\u003C\u002Fp>\n\u003Cp>执行检查产生的错误会反馈给模型，推动下一轮修改；最终产物再接受独立验证。领域知识由此进入具体的实现、检查和修复过程。\u003C\u002Fp>\n\u003Ch3 id=\"后续-加强编译器协同-增强边端侧模型的代码能力\">\u003Ca class=\"anchor\" href=\"#后续-加强编译器协同-增强边端侧模型的代码能力\" aria-label=\"跳转到标题：后续：加强编译器协同，增强边端侧模型的代码能力\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>后续：加强编译器协同，增强边端侧模型的代码能力\u003C\u002Fh3>\u003Cp>InfiniCoder 是一个正在发展中的代码智能体。后续的工作中，除了增强通用代码能力外，InfiniCoder 将进一步加强与编译器的协同，让模型负责算法设计和代码实现，由编译器完成代码生成与优化。模型在开发中探索出的有效优化方法，也将经过验证后沉淀到编译器中，供后续任务直接复用，减少重复探索。\u003C\u002Fp>\n\u003Cp>同时，在边端侧大模型的代码能力增强方面，InfiniCoder 将通过代码分析、任务记忆和工具执行，帮助模型在有限资源下理解复杂代码、完成更长的开发任务，进一步完善从需求拆解、代码实现到测试修复的连续工作过程，逐步支持跨模块功能开发与系统集成。\u003C\u002Fp>\n\u003Ch2 id=\"相关链接\">\u003Ca class=\"anchor\" href=\"#相关链接\" aria-label=\"跳转到标题：相关链接\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>相关链接\u003C\u002Fh2>\u003Cp>\u003Cstrong>开源地址：\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCoder\">https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCoder\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch2 id=\"关注与交流\">\u003Ca class=\"anchor\" href=\"#关注与交流\" aria-label=\"跳转到标题：关注与交流\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>关注与交流\u003C\u002Fh2>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fdata\u002Fqy-test\u002Fuploads\u002F2026-11\u002F865da0b9-1819-4010-90a0-db2b15dc6029.jpg?Expires=1794244564&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=YR8U4AdW%2Bi95azSVrZ%2FG9ex6iP4%3D\" alt=\"\">\u003C\u002Fp>\n",[131,133,135,137,140,143],{"id":132,"text":132,"level":9},"用多视图代码记忆组织上下文",{"id":134,"text":134,"level":9},"将代码事实与任务进展分别记住",{"id":136,"text":136,"level":9},"把领域约束纳入实现与验证",{"id":138,"text":139,"level":9},"后续-加强编译器协同-增强边端侧模型的代码能力","后续：加强编译器协同，增强边端侧模型的代码能力",{"id":141,"text":141,"level":142},"相关链接",2,{"id":144,"text":144,"level":142},"关注与交流"]