[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"news-detail-news-26":49,"site-header-camps":106},{"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},"2026-04-09 08:00:00","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_26_fm.jpg?Expires=1792752862&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=OTYiMfU5Sk94kdFy2bWg4KT6%2F4w%3D","InfiniLM,版本更新,推理后端,多平台支持,服务优化","InfiniLM v0.2.1 更新解读，重点介绍推理后端升级、多平台兼容增强与服务侧优化对部署效率和稳定性的实际影响。","2026-10-22 20:38:11","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",">我们正式发布 **InfiniLM v0.2.1** 版本，本次更新围绕代码结构重构、多维度功能优化与性能提升，以及对更多模型与计算平台的支持展开，在工程可维护性与稳定性持续改进的同时，进一步提升了 InfiniLM 的整体推理性能表现。\r\n\r\n## 本次更新重点\r\n### 1. 新的 C++ 推理计算后端\r\n- 全新的运行时管理机制\r\n- 新增由后端完成的算子描述符复用和缓存管理\r\n- 更加充分的内存池实现\r\n相对于 0.1.0 版本，单轮推理性能有明显提升。\r\n\r\n### 2. 新增 Paged Attention 与请求批处理功能\r\n- 在 Nvidia 平台接入了 Flash Attention 库，作为 paged attention 计算的后端支持\r\n- 在 Nvidia 及多个 CUDA 兼容、类 CUDA 平台，加入了基础版 paged attention 算子作为基础计算选择\r\n- 服务端会自动将多个请求组合成 batch 后投入 paged attention 计算\r\n提高了显存利用率，增加了多 batch 支持，兼容更长的上下文。\r\n\r\n### 3. 服务功能优化\r\n- 更加通用的服务设计\r\n- 使用 paged kv cache 处理多请求并发\r\n- 推理轮次间的空泡显著降低\r\n以更低的延时支持了更多的并发数量。\r\n\r\n### 4. CUDA Graph\r\n- 在 CUDA 及多数 CUDA 兼容、类 CUDA 平台支持了 CUDA Graph\r\n- 需要使用分页注意力\r\n显著降低了 CPU 受限平台上的 CPU 调度开销。\r\n\r\n### 5. 支持更多硬件平台\r\n在原有硬件平台支持的基础上，新增对以下平台的支持：\r\n- 阿里 PPU\r\n- Metax MACA\r\n- QY 计算平台\r\n\r\n### 6. 量化推理\r\n- 在Nvidia平台支持了 w4a16 AWQ FP16 推理\r\n\r\n### 7. 开发者相关\r\n- 将 C++ 源码重新组织到 csrc 文件夹中，实现了更好的功能模块分割\r\n- 通过 pybind11 将 C++ 接口暴露给 Python\r\n- 由后端支持的一段式算子调用和模块支持\r\n- 增加了对静态注意力计算的基础预热功能\r\n- 增加了 Ceval 和 MMLU 精度测试\r\n\r\n### 8. 其他更新\r\n经典推理（src 目录）中新增支持的模型\r\n- Qwen3-VL - 仅文本模型\r\n- Qwen2.5-AWQ\r\n- Qwen2.5-GPTQ\r\n\r\n> **基础依赖**\r\n> - 算子 \u002F 运行时 \u002F 通信库：InfiniCore\r\n> - 版本：commit ed61b51\r\n> - 仓库地址：https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCore\r\n>\r\n> **Nvidia 平台可选库**\r\n> - Flash Attention（main）：10846960ca0793b993446f6dbaf696479c127a9d\r\n> - Cutlass（main）：087c84df83d254b5fb295a7a408f1a1d554085cf\r\n\r\n\r\n### 版本更新小结\r\n**InfiniLM v0.2.1** 版本是以工程化为基本导向，同时带来一定性能优化的重要更新。\r\n\r\n通过对代码结构的重构与开发流程的优化，该版本在可维护性与测试能力方面得到加强，同时在推理性能与服务能力上实现了提升。\r\n\r\n欢迎体验 **InfiniLM v0.2.1** ，并持续向我们反馈使用中的问题与建议。\r\n\r\n\r\n### 访问项目\r\n欢迎访问 InfiniLM 的 GitHub 主页了解更多详情：\r\n🔗 https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniLM",{"publishTime":59,"createTime":55,"canonicalPath":60,"id":61,"title":62},"2026-04-08 08:00:00","\u002Fnews\u002Fnews-25","news-25","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",48,"\u002Fnews\u002Fnews-26","news-26","markdown",{"publishTime":68,"createTime":55,"canonicalPath":69,"id":70,"title":71},"2026-04-17 08:00:00","\u002Fnews\u002Fnews-27","news-27","AI 赋能东北石化产业，九源智能计算系统生态联合体走进辽石化",{"htmlContent":73,"headings":74},"\u003Cblockquote>\n\u003Cp>我们正式发布 \u003Cstrong>InfiniLM v0.2.1\u003C\u002Fstrong> 版本，本次更新围绕代码结构重构、多维度功能优化与性能提升，以及对更多模型与计算平台的支持展开，在工程可维护性与稳定性持续改进的同时，进一步提升了 InfiniLM 的整体推理性能表现。\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-新的-c-推理计算后端\">\u003Ca class=\"anchor\" href=\"#1-新的-c-推理计算后端\" aria-label=\"跳转到标题：1. 新的 C++ 推理计算后端\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>1. 新的 C++ 推理计算后端\u003C\u002Fh3>\u003Cul>\n\u003Cli>全新的运行时管理机制\u003C\u002Fli>\n\u003Cli>新增由后端完成的算子描述符复用和缓存管理\u003C\u002Fli>\n\u003Cli>更加充分的内存池实现\u003Cbr>相对于 0.1.0 版本，单轮推理性能有明显提升。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"2-新增-paged-attention-与请求批处理功能\">\u003Ca class=\"anchor\" href=\"#2-新增-paged-attention-与请求批处理功能\" aria-label=\"跳转到标题：2. 新增 Paged Attention 与请求批处理功能\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>2. 新增 Paged Attention 与请求批处理功能\u003C\u002Fh3>\u003Cul>\n\u003Cli>在 Nvidia 平台接入了 Flash Attention 库，作为 paged attention 计算的后端支持\u003C\u002Fli>\n\u003Cli>在 Nvidia 及多个 CUDA 兼容、类 CUDA 平台，加入了基础版 paged attention 算子作为基础计算选择\u003C\u002Fli>\n\u003Cli>服务端会自动将多个请求组合成 batch 后投入 paged attention 计算\u003Cbr>提高了显存利用率，增加了多 batch 支持，兼容更长的上下文。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"3-服务功能优化\">\u003Ca class=\"anchor\" href=\"#3-服务功能优化\" aria-label=\"跳转到标题：3. 服务功能优化\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>3. 服务功能优化\u003C\u002Fh3>\u003Cul>\n\u003Cli>更加通用的服务设计\u003C\u002Fli>\n\u003Cli>使用 paged kv cache 处理多请求并发\u003C\u002Fli>\n\u003Cli>推理轮次间的空泡显著降低\u003Cbr>以更低的延时支持了更多的并发数量。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"4-cuda-graph\">\u003Ca class=\"anchor\" href=\"#4-cuda-graph\" aria-label=\"跳转到标题：4. CUDA Graph\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>4. CUDA Graph\u003C\u002Fh3>\u003Cul>\n\u003Cli>在 CUDA 及多数 CUDA 兼容、类 CUDA 平台支持了 CUDA Graph\u003C\u002Fli>\n\u003Cli>需要使用分页注意力\u003Cbr>显著降低了 CPU 受限平台上的 CPU 调度开销。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"5-支持更多硬件平台\">\u003Ca class=\"anchor\" href=\"#5-支持更多硬件平台\" aria-label=\"跳转到标题：5. 支持更多硬件平台\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>5. 支持更多硬件平台\u003C\u002Fh3>\u003Cp>在原有硬件平台支持的基础上，新增对以下平台的支持：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>阿里 PPU\u003C\u002Fli>\n\u003Cli>Metax MACA\u003C\u002Fli>\n\u003Cli>QY 计算平台\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"6-量化推理\">\u003Ca class=\"anchor\" href=\"#6-量化推理\" aria-label=\"跳转到标题：6. 量化推理\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>6. 量化推理\u003C\u002Fh3>\u003Cul>\n\u003Cli>在Nvidia平台支持了 w4a16 AWQ FP16 推理\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"7-开发者相关\">\u003Ca class=\"anchor\" href=\"#7-开发者相关\" aria-label=\"跳转到标题：7. 开发者相关\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>7. 开发者相关\u003C\u002Fh3>\u003Cul>\n\u003Cli>将 C++ 源码重新组织到 csrc 文件夹中，实现了更好的功能模块分割\u003C\u002Fli>\n\u003Cli>通过 pybind11 将 C++ 接口暴露给 Python\u003C\u002Fli>\n\u003Cli>由后端支持的一段式算子调用和模块支持\u003C\u002Fli>\n\u003Cli>增加了对静态注意力计算的基础预热功能\u003C\u002Fli>\n\u003Cli>增加了 Ceval 和 MMLU 精度测试\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"8-其他更新\">\u003Ca class=\"anchor\" href=\"#8-其他更新\" aria-label=\"跳转到标题：8. 其他更新\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>8. 其他更新\u003C\u002Fh3>\u003Cp>经典推理（src 目录）中新增支持的模型\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Qwen3-VL - 仅文本模型\u003C\u002Fli>\n\u003Cli>Qwen2.5-AWQ\u003C\u002Fli>\n\u003Cli>Qwen2.5-GPTQ\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cblockquote>\n\u003Cp>\u003Cstrong>基础依赖\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>算子 \u002F 运行时 \u002F 通信库：InfiniCore\u003C\u002Fli>\n\u003Cli>版本：commit ed61b51\u003C\u002Fli>\n\u003Cli>仓库地址：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCore\">https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCore\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cstrong>Nvidia 平台可选库\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Flash Attention（main）：10846960ca0793b993446f6dbaf696479c127a9d\u003C\u002Fli>\n\u003Cli>Cutlass（main）：087c84df83d254b5fb295a7a408f1a1d554085cf\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fblockquote>\n\u003Ch3 id=\"版本更新小结\">\u003Ca class=\"anchor\" href=\"#版本更新小结\" aria-label=\"跳转到标题：版本更新小结\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>版本更新小结\u003C\u002Fh3>\u003Cp>\u003Cstrong>InfiniLM v0.2.1\u003C\u002Fstrong> 版本是以工程化为基本导向，同时带来一定性能优化的重要更新。\u003C\u002Fp>\n\u003Cp>通过对代码结构的重构与开发流程的优化，该版本在可维护性与测试能力方面得到加强，同时在推理性能与服务能力上实现了提升。\u003C\u002Fp>\n\u003Cp>欢迎体验 \u003Cstrong>InfiniLM v0.2.1\u003C\u002Fstrong> ，并持续向我们反馈使用中的问题与建议。\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 InfiniLM 的 GitHub 主页了解更多详情：\u003Cbr>🔗 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniLM\">https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniLM\u003C\u002Fa>\u003C\u002Fp>\n",[75,78,81,84,87,90,93,96,99,102,104],{"id":76,"text":76,"level":77},"本次更新重点",2,{"id":79,"text":80,"level":9},"1-新的-c-推理计算后端","1. 新的 C++ 推理计算后端",{"id":82,"text":83,"level":9},"2-新增-paged-attention-与请求批处理功能","2. 新增 Paged Attention 与请求批处理功能",{"id":85,"text":86,"level":9},"3-服务功能优化","3. 服务功能优化",{"id":88,"text":89,"level":9},"4-cuda-graph","4. CUDA Graph",{"id":91,"text":92,"level":9},"5-支持更多硬件平台","5. 支持更多硬件平台",{"id":94,"text":95,"level":9},"6-量化推理","6. 量化推理",{"id":97,"text":98,"level":9},"7-开发者相关","7. 开发者相关",{"id":100,"text":101,"level":9},"8-其他更新","8. 其他更新",{"id":103,"text":103,"level":9},"版本更新小结",{"id":105,"text":105,"level":9},"访问项目",{"total":45,"list":107,"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":160,"navigateFirstPage":44,"navigateLastPage":44},[108,119,130,141,151],{"id":109,"slug":110,"title":111,"logo":112,"publicLiveEmbedUrl":14,"description":113,"introduction":114,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":115,"endTime":116,"status":22,"dashboardVisibility":117,"createdAt":115,"updatedAt":118},"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=1792752862&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=7jhC6c%2BeI%2ByMs8RNBhzySuT4GeE%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":120,"slug":121,"title":122,"logo":123,"publicLiveEmbedUrl":7,"description":124,"introduction":114,"organizer":18,"coOrganizer":5,"sponsor":125,"startTime":126,"endTime":127,"status":33,"dashboardVisibility":23,"createdAt":128,"updatedAt":129},"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=1792752862&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=0rRo61EiWbhwmGJspNv9BzbtJCI%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":131,"slug":36,"title":132,"logo":133,"publicLiveEmbedUrl":7,"description":134,"introduction":114,"organizer":18,"coOrganizer":5,"sponsor":135,"startTime":136,"endTime":137,"status":138,"dashboardVisibility":23,"createdAt":139,"updatedAt":140},"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=1792752862&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=n0y%2F4NXPDQeULknJYbGX5mCpXws%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":142,"slug":143,"title":144,"logo":145,"publicLiveEmbedUrl":7,"description":146,"introduction":114,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":147,"endTime":148,"status":138,"dashboardVisibility":23,"createdAt":149,"updatedAt":150},"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":152,"slug":153,"title":154,"logo":155,"publicLiveEmbedUrl":7,"description":156,"introduction":114,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":157,"endTime":158,"status":138,"dashboardVisibility":23,"createdAt":149,"updatedAt":159},"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]]