北京
GOSIM Shenzhen 2026「开源模型与基础设施」分论坛近日公布首批议题。本届分论坛以历届最完整规格登场，设置完整两日议程，每天安排7场深度演讲，共计14场，内容覆盖从模型能力到训练、推理、部署及持续进化的完整技术闭环。
与往届不同，本次分论坛不止于演讲，还配套了技术圆桌、实践工作坊Open Model Full-Stack Lab，以及Open Model Buildathon黑客松活动，为参会者提供可参与、可动手的开放模型实践场景。
七场演讲覆盖模型扩展、训练与安全
首批公布的议题中，多位来自全球顶尖机构的专家将分享最新研究进展。刘世伟将系统评估多种残差设计是否缓解“深度之殇”，探讨残差架构作为与宽度、数据、计算并列的扩展维度；来自Hugging Face的Nouamane Tazi将拆解内存-计算-通信权衡，分享从单卡优化到千卡并行的训练实践指南。
安全审计方面，张拳石将基于等效交互机理解释理论，将决策逻辑解构为稀疏化交互单元，用于大模型安全审计、内生加固与训练优化，并展示全球首个可验证机理审计平台。
数据与基础设施议题同步亮相
数据层面，Anastasia Stasenko将介绍专为智能体设计的最大开源合成预训练语料库SynthCommonCorpus，该方案将工具调用、多步分解、对抗样本纳入预训练，把前/中/后训练坍缩为单阶段，且知识来源可追溯。强美伊则将聚焦数据质量驱动，介绍DataFlow L0-L7全栈开源底座及Data-Centric AI开源生态的工程落地。
基础设施方面，郑家琦将剖析Scale-up网络性能瓶颈，从拓扑、协议、消息/内存语义等角度探讨超级节点扩展型互连系统的平衡之道；Chenghao Rong将介绍面向后训练的异步高性能流式数据引擎TransferQueue，通过分离数据流与控制流，以样本级路由减少阻塞，实现动态调度与计算/通信重叠。
本次分论坛议题覆盖了从算法创新到规模化落地的关键环节，为开源模型与基础设施领域的开发者提供了较为完整的技术参考。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
