[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"news-detail-news-25":49,"site-header-camps":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],{"newsDetail":50,"processedData":72},{"publishTime":51,"img":52,"keywords":53,"treeType":44,"description":54,"showStatus":44,"updateTime":55,"type":44,"title":56,"content":57,"nextArticle":58,"createTime":55,"sortOrder":63,"canonicalPath":64,"id":65,"contentType":66,"prevArticle":67},"2026-04-08 08:00:00","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_25_fm.jpg?Expires=1792752955&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=vjKXWStLHRw2n3zoEkPFbU9zdYk%3D","NineToothed,0.24.0,AOT编译,构建效率,张量表达","NineToothed 0.24.0 发布内容聚焦 AOT 稳定性、构建效率与张量表达能力提升，适合快速把握本次编译能力演进重点。","2026-10-22 20:38:11","NineToothed 0.24.0 发布：AOT 更稳定，构建更高效，张量表达能力进一步增强","# NineToothed 0.24.0 发布：AOT 更稳定，构建更高效，张量表达能力进一步增强\r\n\r\n>我们正式发布 **NineToothed 0.24.0**。此版本围绕 **AOT 编译链路、构建能力、自动调优机制及张量元操作体验**进行完善，在保持 DSL 抽象优势的同时，进一步强化 NineToothed 稳定性与工程能力。\r\n\r\n\r\n## 本次更新重点\r\n\r\n### 1. AOT 编译与启动机制全面增强\r\n\r\n0.24.0 对 AOT kernel launching 机制进行了系统性重构与稳定化，重点包括：\r\n\r\n- 优化 AOT kernel 的生成与启动流程\r\n- 修复冗余 kernel launch function 生成问题\r\n- 改进 launch 参数处理方式\r\n- 支持多设备系统下的 AOT 编译与运行\r\n- 支持更稳定的多上下文 kernel 管理\r\n\r\n这意味着 NineToothed 在复杂 CUDA 环境、多设备场景与工程化部署中的可用性进一步提升。\r\n\r\n### 2. 新增 ninetoothed.build\r\n\r\n本版本新增了 **ninetoothed.build**，用于基于 premake 函数和配置集合批量构建 kernel。\r\n\r\n借助这一能力，开发者可以更方便地：\r\n\r\n- 为不同配置生成多组 kernel\r\n- 自动组织参数与分发逻辑\r\n- 降低手工管理多个 kernel 版本的复杂度\r\n\r\n这为面向多配置、多候选实现的 kernel 构建工作流提供了更统一的入口。\r\n\r\n### 3. ninetoothed.build 构建速度提升\r\n\r\n在新增 build 的基础上，NineToothed 进一步通过 concurrent.futures 对构建流程进行了并行化优化。\r\n\r\n对于需要批量编译多个配置的场景，这一改进能够显著提升构建效率，进一步增强 build 在实际工程中的可用性。\r\n\r\n### 4. 新增 ninetoothed.auto_tuner.AutoTuner\r\n\r\n0.24.0 引入了 **AutoTuner**，用于在多个候选实现之间进行自动 benchmark 与最优选择。\r\n\r\n其主要特性包括：\r\n\r\n- 支持多个候选函数的性能比较\r\n- 根据输入参数自动选择更优实现\r\n- 支持 benchmark 结果缓存与复用\r\n- 降低手工调参与人工选择配置的成本\r\n\r\n这为 NineToothed 后续在自动优化方向上的演进提供了重要基础。\r\n\r\n### 5. 新增 Tensor.__getitem__\r\n\r\n本版本为 Tensor 引入了 __getitem__ 支持，使张量索引和切片表达更加自然。\r\n\r\n当前已支持包括以下形式在内的常见访问方式：\r\n\r\n- 整数索引\r\n- slice\r\n- None\r\n- Ellipsis\r\n- 多维组合索引\r\n\r\n这让 NineToothed 的张量表达更贴近 Python \u002F NumPy 风格，进一步提升了 DSL 的可读性与易用性。\r\n\r\n### 6. 新增 Tensor.pad\r\n\r\n0.24.0 同时新增了 **Tensor.pad** 元操作，并补充了相应测试与文档支持。\r\n\r\n这为 padding 相关的张量变换场景提供了更直接的表达方式，尤其适用于卷积等涉及边界扩展的算子实现。\r\n\r\n## 其他改进\r\n\r\n除以上重点更新外，本版本还包含多项底层增强与稳定性改进，包括：\r\n\r\n- 新增 stride 方法支持\r\n- 支持直接索引 source tensors\r\n- 改进 tensor intrinsic 的表达式解析\r\n- 完善 constexpr tensor size 处理\r\n- 优化符号分析与元数据一致性\r\n- 增强 AST 处理过程的健壮性\r\n- 补充和调整多项测试用例\r\n\r\n同时，文档中也已加入：\r\n\r\n- ninetoothed.build\r\n- Tensor.pad\r\n\r\n## 总结\r\n\r\n总体来看，**NineToothed 0.24.0 是一次围绕“工程能力”和“表达能力”同步推进的重要更新**。\r\n\r\n它不仅带来了更丰富的 API 和更自然的张量操作方式，也进一步增强了 AOT、多设备支持、批量构建与自动调优等关键能力。\r\n\r\n欢迎大家升级体验 **NineToothed 0.24.0**，也欢迎继续向我们反馈使用中的建议与问题。\r\n\r\n\r\n\r\n### 访问项目\r\n欢迎访问 NineToothed 的 GitHub 主页了解更多详情：\r\n🔗 https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002Fninetoothed\r\n\r\n您也可以直接点击文末的 **【阅读原文】** 快速跳转。",{"publishTime":59,"createTime":55,"canonicalPath":60,"id":61,"title":62},"2026-04-07 08:00:00","\u002Fnews\u002Fnews-24","news-24","InfiniTensor 全栈入驻 AtomGit，共筑 AI 开源协作新生态",49,"\u002Fnews\u002Fnews-25","news-25","markdown",{"publishTime":68,"createTime":55,"canonicalPath":69,"id":70,"title":71},"2026-04-09 08:00:00","\u002Fnews\u002Fnews-26","news-26","InfiniLM v0.2.1发布：新的推理计算后端，多平台支持升级与及服务优化",{"htmlContent":73,"headings":74},"\u003Ch1 id=\"ninetoothed-0-24-0-发布-aot-更稳定-构建更高效-张量表达能力进一步增强\">\u003Ca class=\"anchor\" href=\"#ninetoothed-0-24-0-发布-aot-更稳定-构建更高效-张量表达能力进一步增强\" aria-label=\"跳转到标题：NineToothed 0.24.0 发布：AOT 更稳定，构建更高效，张量表达能力进一步增强\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>NineToothed 0.24.0 发布：AOT 更稳定，构建更高效，张量表达能力进一步增强\u003C\u002Fh1>\u003Cblockquote>\n\u003Cp>我们正式发布 \u003Cstrong>NineToothed 0.24.0\u003C\u002Fstrong>。此版本围绕 \u003Cstrong>AOT 编译链路、构建能力、自动调优机制及张量元操作体验\u003C\u002Fstrong>进行完善，在保持 DSL 抽象优势的同时，进一步强化 NineToothed 稳定性与工程能力。\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2 id=\"本次更新重点\">\u003Ca class=\"anchor\" href=\"#本次更新重点\" aria-label=\"跳转到标题：本次更新重点\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>本次更新重点\u003C\u002Fh2>\u003Ch3 id=\"1-aot-编译与启动机制全面增强\">\u003Ca class=\"anchor\" href=\"#1-aot-编译与启动机制全面增强\" aria-label=\"跳转到标题：1. AOT 编译与启动机制全面增强\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. AOT 编译与启动机制全面增强\u003C\u002Fh3>\u003Cp>0.24.0 对 AOT kernel launching 机制进行了系统性重构与稳定化，重点包括：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>优化 AOT kernel 的生成与启动流程\u003C\u002Fli>\n\u003Cli>修复冗余 kernel launch function 生成问题\u003C\u002Fli>\n\u003Cli>改进 launch 参数处理方式\u003C\u002Fli>\n\u003Cli>支持多设备系统下的 AOT 编译与运行\u003C\u002Fli>\n\u003Cli>支持更稳定的多上下文 kernel 管理\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这意味着 NineToothed 在复杂 CUDA 环境、多设备场景与工程化部署中的可用性进一步提升。\u003C\u002Fp>\n\u003Ch3 id=\"2-新增-ninetoothed-build\">\u003Ca class=\"anchor\" href=\"#2-新增-ninetoothed-build\" aria-label=\"跳转到标题：2. 新增 ninetoothed.build\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. 新增 ninetoothed.build\u003C\u002Fh3>\u003Cp>本版本新增了 \u003Cstrong>ninetoothed.build\u003C\u002Fstrong>，用于基于 premake 函数和配置集合批量构建 kernel。\u003C\u002Fp>\n\u003Cp>借助这一能力，开发者可以更方便地：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>为不同配置生成多组 kernel\u003C\u002Fli>\n\u003Cli>自动组织参数与分发逻辑\u003C\u002Fli>\n\u003Cli>降低手工管理多个 kernel 版本的复杂度\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这为面向多配置、多候选实现的 kernel 构建工作流提供了更统一的入口。\u003C\u002Fp>\n\u003Ch3 id=\"3-ninetoothed-build-构建速度提升\">\u003Ca class=\"anchor\" href=\"#3-ninetoothed-build-构建速度提升\" aria-label=\"跳转到标题：3. ninetoothed.build 构建速度提升\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>3. ninetoothed.build 构建速度提升\u003C\u002Fh3>\u003Cp>在新增 build 的基础上，NineToothed 进一步通过 concurrent.futures 对构建流程进行了并行化优化。\u003C\u002Fp>\n\u003Cp>对于需要批量编译多个配置的场景，这一改进能够显著提升构建效率，进一步增强 build 在实际工程中的可用性。\u003C\u002Fp>\n\u003Ch3 id=\"4-新增-ninetoothed-auto-tuner-autotuner\">\u003Ca class=\"anchor\" href=\"#4-新增-ninetoothed-auto-tuner-autotuner\" aria-label=\"跳转到标题：4. 新增 ninetoothed.auto_tuner.AutoTuner\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>4. 新增 ninetoothed.auto_tuner.AutoTuner\u003C\u002Fh3>\u003Cp>0.24.0 引入了 \u003Cstrong>AutoTuner\u003C\u002Fstrong>，用于在多个候选实现之间进行自动 benchmark 与最优选择。\u003C\u002Fp>\n\u003Cp>其主要特性包括：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>支持多个候选函数的性能比较\u003C\u002Fli>\n\u003Cli>根据输入参数自动选择更优实现\u003C\u002Fli>\n\u003Cli>支持 benchmark 结果缓存与复用\u003C\u002Fli>\n\u003Cli>降低手工调参与人工选择配置的成本\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这为 NineToothed 后续在自动优化方向上的演进提供了重要基础。\u003C\u002Fp>\n\u003Ch3 id=\"5-新增-tensor-getitem\">\u003Ca class=\"anchor\" href=\"#5-新增-tensor-getitem\" aria-label=\"跳转到标题：5. 新增 Tensor.getitem\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>5. 新增 Tensor.\u003Cstrong>getitem\u003C\u002Fstrong>\u003C\u002Fh3>\u003Cp>本版本为 Tensor 引入了 \u003Cstrong>getitem\u003C\u002Fstrong> 支持，使张量索引和切片表达更加自然。\u003C\u002Fp>\n\u003Cp>当前已支持包括以下形式在内的常见访问方式：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>整数索引\u003C\u002Fli>\n\u003Cli>slice\u003C\u002Fli>\n\u003Cli>None\u003C\u002Fli>\n\u003Cli>Ellipsis\u003C\u002Fli>\n\u003Cli>多维组合索引\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这让 NineToothed 的张量表达更贴近 Python \u002F NumPy 风格，进一步提升了 DSL 的可读性与易用性。\u003C\u002Fp>\n\u003Ch3 id=\"6-新增-tensor-pad\">\u003Ca class=\"anchor\" href=\"#6-新增-tensor-pad\" aria-label=\"跳转到标题：6. 新增 Tensor.pad\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>6. 新增 Tensor.pad\u003C\u002Fh3>\u003Cp>0.24.0 同时新增了 \u003Cstrong>Tensor.pad\u003C\u002Fstrong> 元操作，并补充了相应测试与文档支持。\u003C\u002Fp>\n\u003Cp>这为 padding 相关的张量变换场景提供了更直接的表达方式，尤其适用于卷积等涉及边界扩展的算子实现。\u003C\u002Fp>\n\u003Ch2 id=\"其他改进\">\u003Ca class=\"anchor\" href=\"#其他改进\" aria-label=\"跳转到标题：其他改进\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>其他改进\u003C\u002Fh2>\u003Cp>除以上重点更新外，本版本还包含多项底层增强与稳定性改进，包括：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>新增 stride 方法支持\u003C\u002Fli>\n\u003Cli>支持直接索引 source tensors\u003C\u002Fli>\n\u003Cli>改进 tensor intrinsic 的表达式解析\u003C\u002Fli>\n\u003Cli>完善 constexpr tensor size 处理\u003C\u002Fli>\n\u003Cli>优化符号分析与元数据一致性\u003C\u002Fli>\n\u003Cli>增强 AST 处理过程的健壮性\u003C\u002Fli>\n\u003Cli>补充和调整多项测试用例\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>同时，文档中也已加入：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>ninetoothed.build\u003C\u002Fli>\n\u003Cli>Tensor.pad\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2 id=\"总结\">\u003Ca class=\"anchor\" href=\"#总结\" aria-label=\"跳转到标题：总结\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>总结\u003C\u002Fh2>\u003Cp>总体来看，\u003Cstrong>NineToothed 0.24.0 是一次围绕“工程能力”和“表达能力”同步推进的重要更新\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>它不仅带来了更丰富的 API 和更自然的张量操作方式，也进一步增强了 AOT、多设备支持、批量构建与自动调优等关键能力。\u003C\u002Fp>\n\u003Cp>欢迎大家升级体验 \u003Cstrong>NineToothed 0.24.0\u003C\u002Fstrong>，也欢迎继续向我们反馈使用中的建议与问题。\u003C\u002Fp>\n\u003Ch3 id=\"访问项目\">\u003Ca class=\"anchor\" href=\"#访问项目\" aria-label=\"跳转到标题：访问项目\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>访问项目\u003C\u002Fh3>\u003Cp>欢迎访问 NineToothed 的 GitHub 主页了解更多详情：\u003Cbr>🔗 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002Fninetoothed\">https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002Fninetoothed\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>您也可以直接点击文末的 \u003Cstrong>【阅读原文】\u003C\u002Fstrong> 快速跳转。\u003C\u002Fp>\n",[75,77,80,83,86,89,92,95,98,100,102],{"id":76,"text":56,"level":44},"ninetoothed-0-24-0-发布-aot-更稳定-构建更高效-张量表达能力进一步增强",{"id":78,"text":78,"level":79},"本次更新重点",2,{"id":81,"text":82,"level":9},"1-aot-编译与启动机制全面增强","1. AOT 编译与启动机制全面增强",{"id":84,"text":85,"level":9},"2-新增-ninetoothed-build","2. 新增 ninetoothed.build",{"id":87,"text":88,"level":9},"3-ninetoothed-build-构建速度提升","3. ninetoothed.build 构建速度提升",{"id":90,"text":91,"level":9},"4-新增-ninetoothed-auto-tuner-autotuner","4. 新增 ninetoothed.auto_tuner.AutoTuner",{"id":93,"text":94,"level":9},"5-新增-tensor-getitem","5. 新增 Tensor.getitem",{"id":96,"text":97,"level":9},"6-新增-tensor-pad","6. 新增 Tensor.pad",{"id":99,"text":99,"level":79},"其他改进",{"id":101,"text":101,"level":79},"总结",{"id":103,"text":103,"level":9},"访问项目",{"total":45,"list":105,"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":158,"navigateFirstPage":44,"navigateLastPage":44},[106,117,128,139,149],{"id":107,"slug":108,"title":109,"logo":110,"publicLiveEmbedUrl":14,"description":111,"introduction":112,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":113,"endTime":114,"status":22,"dashboardVisibility":115,"createdAt":113,"updatedAt":116},"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=1792752955&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=6RdyoqzHqqbI%2BHGptmbsnEftMQw%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":118,"slug":119,"title":120,"logo":121,"publicLiveEmbedUrl":7,"description":122,"introduction":112,"organizer":18,"coOrganizer":5,"sponsor":123,"startTime":124,"endTime":125,"status":33,"dashboardVisibility":23,"createdAt":126,"updatedAt":127},"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=1792752955&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=mKYGpMHd52piaURyaonnJ4Q2hv4%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":129,"slug":36,"title":130,"logo":131,"publicLiveEmbedUrl":7,"description":132,"introduction":112,"organizer":18,"coOrganizer":5,"sponsor":133,"startTime":134,"endTime":135,"status":136,"dashboardVisibility":23,"createdAt":137,"updatedAt":138},"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=1792752955&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=LD1x74de5AJbOV52UJbZyBOZO4Q%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":140,"slug":141,"title":142,"logo":143,"publicLiveEmbedUrl":7,"description":144,"introduction":112,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":145,"endTime":146,"status":136,"dashboardVisibility":23,"createdAt":147,"updatedAt":148},"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":150,"slug":151,"title":152,"logo":153,"publicLiveEmbedUrl":7,"description":154,"introduction":112,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":155,"endTime":156,"status":136,"dashboardVisibility":23,"createdAt":147,"updatedAt":157},"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]]