Datawhale招人啦!8个岗位开放中🐳
Datawhale 2026-11-16 13:11 浙江
![]()
想加入 Datawhale,和一群有趣的人一起做点有意思的事吗?
Datawhale 新一波招聘机会来啦!
目前开放前端开发、社区运营、活动运营、人事行政实习等多个岗位,欢迎加入!
📍工作地点:杭州云谷中心
📱扫码查看全部岗位详情,欢迎投递,也欢迎推荐给身边正在找机会的朋友~
Datawhale 2026-11-16 13:11 浙江
![]()
想加入 Datawhale,和一群有趣的人一起做点有意思的事吗?
Datawhale 新一波招聘机会来啦!
目前开放前端开发、社区运营、活动运营、人事行政实习等多个岗位,欢迎加入!
📍工作地点:杭州云谷中心
📱扫码查看全部岗位详情,欢迎投递,也欢迎推荐给身边正在找机会的朋友~
原创 Datawhale 2026-11-15 23:34 浙江
![]()
Datawhale干货
作者:北大团队
如果给大模型一台可以自由移动的摄像头,它能否走进一个房间,找到目标物体,并准确说出每个物体的三维坐标?
北京大学与天津大学团队提出 SpatialScout,将这个问题转化为可交互、可量化的评测任务。基准包含 80 个室内场景和 3,140 个目标物体,要求视觉语言模型智能体自主获取视觉证据,逐步建立统一坐标系下的物体中心地图。
论文 https://arxiv.org/abs/2610.26659代码 https://github.com/JesseZZZZZ/SpatialScout
![]()
图 1 SpatialScout 任务概览
一、用三维物体地图检验空间理解
许多空间评测关注模型能否回答图像或视频中的方向、距离和位置关系问题。SpatialScout 进一步要求模型把观察结果落实到明确的三维坐标,并在后续探索中持续补全和修正。模型需要决定下一步看哪里、识别不同视角中的同一物体,并把局部证据整合成一致的空间表示。
实验表明,这对当前模型仍是明显挑战。在论文评测的模型中,表现最好的 Claude Opus 5.5 全目标平均 IoU 为 41.71%,达到 IoU > 0.9 的目标仅占 3.25%。这些结果揭示了当前模型在完整覆盖目标和精确定位方面的不足。
二、一次自主探索如何完成评测
SpatialScout 将观察、行动、几何估计与地图更新放在同一个任务中。所有模型使用统一的工具接口、提示词和交互预算,最终根据提交的物体位置评估建图质量。
![]()
图 2 从场景输入到自主交互和三维物体地图的完整评测流程
从初始视角出发。智能体获得一张 RGB 图像、目标物体清单、相机内参和位姿,以及公开的搜索范围。目标的真实中心、包围盒和评测分数保留在评测端,探索过程中不会向模型返回。
自主选择下一次观察。智能体可以平移或旋转摄像头、拍摄新图像,并利用不同视角中的对应像素调用三角测量工具。它需要自己判断哪些视觉特征属于同一物体,以及估计出的表面点如何对应到物体的几何中心。
边探索边更新地图。智能体以初始相机定义的固定坐标系提交物体中心,能够分批补充目标或修改已有估计。每个任务最多允许 100 次模型调用和 100 张 RGB 图像,初始图像也计入预算;一次模型调用可以请求多个工具。
三、定位精度与目标覆盖率共同计分
评测同时报告以米为单位的中心误差、目标覆盖率,以及与物体尺度相关的三维交并比 IoU。计算 IoU 时,评测器将目标的参考包围盒平移到预测中心,再与真实位置的包围盒比较,因此模型提交的是坐标,无需预测物体尺寸。
全目标平均 IoU 将未提交的物体按零分计算,已提交目标的平均 IoU 则反映已有位置估计的质量。两者结合,能够揭示模型是否只定位了少数容易的物体。同类可互换实例采用组内一一匹配,减少编号顺序对结果的影响。
四、当前模型离精确建图还有多远
论文评测了 7 个模型,并比较了 GPT-6 Astra 的两档推理设置。主结果显示,模型之间存在明显差距,而高精度定位对所有受测模型都具有挑战。
![]()
图 3 80 个场景上的主实验结果 所有数值均为百分比
Claude Opus 5.5 的全目标平均 IoU 为 41.71%,GPT-6 Astra 在 xhigh 设置下为 33.16%。即便是排名第一的模型,IoU > 0.5 的目标占比也只有 47.23%,IoU > 0.9 的目标占比进一步降至 3.25%。这里的 IoU 是位置估计的尺度相关重叠分数,并非任务成功率。
![]()
图 4 准确定位 目标遗漏与定位错误的可视化案例
可视化直观展示了两类主要困难:物体可能被遗漏,也可能被放在错误的位置。图中的场景使用参考物体的形状与朝向,仅改变其中心位置,因此展示的是物体中心地图的质量。完整提交和准确定位都需要被单独检查。
五、有效观察比单纯增加交互更关键
为什么有些模型看得更多,定位却更差?论文对 80 个共同任务的轨迹分析发现,GPT-6 Astra 平均每个任务拍摄 32.41 张图像,少于 DeepSeek V4.1 Flash 的 39.63 张,但已提交物体的中心误差中位数分别为 7.08 厘米和 68.17 厘米。
![]()
图 5 GPT 6 Astra 与 DeepSeek V4.1 Flash 的几何工具使用对比
GPT-6 Astra 的已提交目标中,99.33% 在提交前有成功三角测量记录,DeepSeek V4.1 Flash 为 63.48%;两者成功三角测量调用中的几何警告占比分别为 2.69% 和 38.65%。这些观察提示,跨视角对应和几何工具的有效使用,与最终定位表现密切相关。
更细致的失败分析覆盖 4 个模型在 10 个选定任务上的 40 条轨迹。其中只有 6 条同时达到至少 90% 的覆盖率与不超过 0.2 米的平均中心误差。其余 34 条中,26 条存在覆盖不完整,21 条在三角测量残差较低时仍保留明显位置错误;这些问题可以重叠出现。几何残差较小,并不足以保证模型找对了跨视角特征或物体中心。
写在最后
SpatialScout 既比较最终地图,也保留观察、工具调用与位置更新的过程,帮助研究者分析模型如何选择视角、关联物体和修正空间估计。它为改进视觉语言智能体的三维理解能力提供了具体目标:让视觉证据持续转化为更完整、更准确的物体地图。
当前数据基于物理仿真环境,真实场景中的复杂性仍需进一步验证。论文提出了后续真实场景数据计划,并公开代码,欢迎围绕主动感知、空间表示和具身智能开展研究与合作。
![]()
一起“点赞”三连↓
原创 Datawhale 2026-11-15 00:01 浙江
![]()
Datawhale干货
最新课程:哈佛 CS2680
一个 AI Agent 从你敲下第一句提示词,到物理显卡上吐出最后一个 token,中间到底穿透了哪些技术层级?
很多开发者在尝试构建复杂的智能体系统时,很快就会撞墙。瓶颈往往不在于提示词写得够不够巧,而在于真实的工程现实:不可控的延迟、高企的 Token 账单、长程规划失控,以及多轮交互下迅速被吃满的显存。
想要真正做出一套可靠的高性能 Agent,只懂上层框架不够,只看底层 CUDA 算子也不够。
哈佛大学今年秋季开设了一门极具特色的硬核大课:CS2680《Modern AI Systems: Agents and System Optimizations》。
全学期不搞分散的散点练习,只盯准一个名为 Mads 的智能体系统,带你从应用层的 Agent Loop 一路往下拆,直到接管开源模型的推理服务与底层 GPU 硬件。
目前,这门课的大纲、阅读清单以及课件幻灯片已全部在官方主页向公众开放。
![]()
课程官网:https://cs2680.seas.harvard.edu/一、课程大纲与主线
这门课之所以让人眼前一亮,首先在于它的课程结构设计。
它没有把内容割裂成孤立的章节,而是以一个名为 Mads(Modern Agent Design and Systems) 的系统贯穿始终。全课 14 周被清晰地切分为两大阶段:
前半程(第 1~7 周)聚焦智能体设计与评估。 从 Claude Code 的运行机制切入,依次讲透多 Agent 协作、上下文与工具管理(ReAct)、长期记忆(MemGPT)、评测体系以及成本性能权衡。
后半程(第 8~14 周)深挖底层推理系统。 从 GPU/CUDA 基础出发,逐层拆解批处理调度、PagedAttention(vLLM/SGLang)、投机推理、KV Cache 优化与量化压缩,最终落到智能体请求调度与负载均衡。
![]()
二、五个贯穿式作业
CS2680 不设期末考试,而是通过5个作业一环扣一环,带着学习者从最上层的前端一路改到底层推理引擎:
![]()
1. Mads-Lens(搭建可视化监控台,10%)
用 Claude Code 为它自己写一个 Web UI 前端,实时可视化运行轨迹:展示每次工具调用的入参和返回结果,把派生的子 Agent 展开成树状图,定位报错现场,并实时统计每次调用的 Token 消耗与花费。
2. Mads-Loop(手写核心运行时,10%)去掉现成客户端,直接围绕模型 API 手写 Agent Runtime:实现结构化工具调用、上下文滑动窗口管理、报错重试与退出判定。助教会用隐藏测试集专门测这套 Runtime 的容错能力,重点看代码循环本身够不够稳。
3. Mads-Opt(压榨成本与延迟,20%)在调用商业 API 的前提下做端到端优化。要求在任务成功率不降的基础上,砍掉多余 Token、把简单任务分流给便宜的小模型、做工具并发调用并重构上下文,把延迟和开销压到最低,最后写一篇技术复盘博客。
4. Mads-Serve(接管本地推理引擎,20%)拿掉外部商业 API,课程给每位学生发一张 RTX PRO 4500(32GB 显存) 独立 GPU。学生需要在卡上自己部署开源模型,把前一步写好的 Agent 接进本地推理服务,通过改批处理调度和 KV Cache 复用解决显存与排队瓶颈,按完成任务数和总耗时在全班实时榜单(Leaderboard)上排名。
5. Mads-Stack(全栈解封打榜,10%)最后一步把上层 Agent 架构、开源模型选型和底层推理内核全部放开修改。统一用 Terminal-Bench 2.0 评测,跑过基线就能拿满基础分,前 26 项任务的综合排名还会有额外的榜单加分。
三、学习地址
课程主页:https://cs2680.seas.harvard.edu/
需要提醒的是,这门课是一门地道的研究生级系统硬核课程,并不适合零基础入门。
官方先修要求是完成过 CS61(计算机系统导论)以及至少一门研究生级别的系统课,默认熟练掌握 Python 与 PyTorch。课程主页写得非常直白:老师在课堂上不会把作业所需的所有技术细节都讲完,想要拿到满意的成绩,必须做好课后花费大量时间自学和调试实验的准备。
值得一提的是,虽然哈佛官方目前暂未向外网公开课堂现场录像,但官方所有课件幻灯片均已按周次直接放出;同时海外技术社区也已经在 YouTube 上推出了针对这门课的逐讲视频深度拆解(覆盖 Claude Code 运行原理、多 Agent 架构、上下文管理与评测基准等),非常适合配合官方课件同步精读。
![]()
大模型时代已经从单纯的比拼提示词,走向了智能体架构与推理基础设施协同优化的深水区。
无论你正在开发智能体应用,还是在搭建模型推理服务,哈佛 CS2680 所给出的这条工程演进路线,都值得每一位工程人员认真研读。
目前官方主页上的教学日历、课件幻灯片与论文清单均可自由访问,建议收藏学习。
![]()
一起“点赞”三连↓
原创 Datawhale 2026-11-13 23:59 浙江
![]()
Datawhale干货
深度对谈:Thariq Shihipar
Anthropic Claude Code 团队前核心成员 Thariq Shihipar 参加了 Latent Space 的一场 94 分钟深度对谈。他长期主导 Claude Code 的工程研发、Agent SDK 以及开发者生态,过去一年多里亲历了这款工具从一个简单的命令行插件,演变为支持沙盒、自动权限审批和云端协同的复杂系统。
![]()
在这场对谈中,Thariq 集中分享了三个层面的实战思考:为什么过去靠规则文件约束模型的做法正在失效、搭建 Claude Code Harness 时的关键工程设计,以及当 Agent 权限放大后如何应对它绕过规则的挑战。这些来自一线的真实工程与安全经验,对正在构建和使用 AI 编程工作流的开发者非常有参考价值。
让我们下面来看一下他具体是怎么讲的吧。
一、规则文件正成负资产
1. 旧补丁正拖垮新模型
访谈一开场,Thariq 就提出了一个直接的判断:长远来看,CLAUDE.md 或 AGENTS.md 这类规则文件会逐渐消亡。
很多团队习惯把模型踩过的每一个坑都写进文档,日积月累攒成数百行的规则库。问题在于,不同代际甚至小版本之间,模型的缺陷模式完全不同。
新模型本已具备直接解决问题的能力,但启动时依然被强行塞入针对旧模型的历史禁令。这些陈旧规则会过度约束新模型,让原本聪明的推理变得束手束脚、死板迟钝。把给旧模型打的补丁硬套给新模型,往往弊大于利。
2. 零规则起步,复发再补
对于新启动的项目,Thariq 建议直接从零开始,先不写规则文档。
当前模型在常规任务上的完成度底线已经足够高。只有当特定的失败模式在同一个项目里反复出现时,才针对性地追加最小必要规则。文档真正需要承载的,是跨会话沉淀的核心业务目标与关键实验结论,而不是零散的纠错指令。
为了防止规则膨胀,Anthropic 内部开发了专门的技能评估插件,用来量化测试挂载某条规则或技能包后,模型的实际表现是否真优于裸跑基线。如果没有明显收益,这些规则就应该被果断清理。
3. 别写死固定工作流
借用强化学习领域的「苦涩教训」,Thariq 总结了过去一年构建 Claude Code 的体会:模型能力的演进速度远超 Harness 本身,任何写死的固定工作流都会迅速过时。
一年前,很少有人能预料模型可以直接编写自身运行环境的扩展;一年后,Claude Code 已经从单体命令行演变为涵盖动态界面、权限自动审批、多智能体协同与云端常驻的复杂系统。
针对这种变化速度,Anthropic 内部采用了一种两头抓的策略:极其轻量的任务直接让模型现场搭个临时外壳,极其复杂的综合开发直接交给成熟的 Claude Code 全功能系统,尽量不在中间层维护脆弱的固定工作流。
二、Harness 实战教程:三个关键工程设计
第一步:动手前先问清盲区
用反问工具先摸清隐藏需求
用好 Agent 最大的阻碍往往不是用户不会写 Prompt,而是身处「未知的未知」:用户以为自己清楚需求,其实并不清楚。比如非设计背景的用户让 AI 做页面,或者非游戏策划去调动作手感,很多隐含边界根本没有预先定义。
针对需求模糊的场景,Claude Code 引入了 AskUserQuestion 反问机制。Agent 在生成代码之前,会主动向用户抛出关键疑问,把隐藏的限制条件和偏好先采访出来,避免在错误假设下盲目写完代码导致整体返工。
![]()
摸清模型的擅长边界与偷懒习惯
访谈指出,比套用沟通格式更重要的,是在脑海中建立对模型能力的准确映射:它对什么任务能一击必中,在什么边界容易走捷径,以及项目的实际代码上下文是什么。
指令与真实边界越贴近,反复调试的浪费就越少。品味的建立来自大量的实践迭代与领域词汇积累,只有在真实场景里见识过足够多的优秀方案,才能在模型交出代码时准确挑出最优雅的解法。
用可交互界面替代纯文本对话
在 Anthropic 的演进路线中,纯文本输入框正在退居次要位置。现有的 Artifacts 已经接入持久化数据库和接口,进化为可交互的动态界面。
遇到复杂任务时,Agent 可以现场渲染出看板或表单界面。用户直接在可视化界面上标注、拖拽和确认,后台则由多个子 Agent 协同操作底层数据。界面从静态展示变成了人机协作的实时控制台。
第二步:把算力花在刀刃上
关键审计开高档,日常开发用中低档
Claude Code 提供了低、中、高以及最高四个推理档位。Thariq 强调,算力投入必须与任务风险严格对齐。
做界面原型或常规逻辑调整时,中低档位更具性价比。如果在普通开发中盲目拉满推理档位,模型会把大量 Token 消耗在反复启动浏览器和自我审查上;只有在底层重构、代码审计或关键安全漏洞挖掘时,才需要开启高推理档位。
聪明的前沿模型算总账反而更便宜
直觉上小模型单价低、更省钱,但真实工程中经常出现反转:前沿模型在不少任务上的综合开销反而更低。
核心差异在于验证成本。能力偏弱的模型需要通过多轮重试、工具验证和自我纠错才能达成目标,消耗了大量额外 Token;能力更强的模型往往一次通过,直接省掉了多轮循环。
强制交出实现说明,看清方案取舍
模型在推理过程中,常常会思考多种方案并最终取舍,但默认只会输出最终代码,人类无法得知它否定了哪些路径。
要求模型在提交代码时附带实现说明,明确写出它考虑过但放弃的做法以及背后的假设前提。这能把模型的隐性脑补完全摊在台面上,大幅降低代码评审中的排查成本。
第三步:用 Claude Mods 给 Agent 配一个监督员
三层解耦:界面、云端大脑与本地双手
Anthropic 正在将传统的单体 Agent 拆解为三层架构:
界面层:动态生成的交互界面,负责直观呈现状态与接收人工输入。
云端大脑:全天候运行在云端的推理核心,即便本地终端关闭也不中断推演。
本地双手:按需挂载的执行环境或沙盒,负责具体的文件读写与指令执行。
复用缓存零成本 Fork 监督员
为了让开发者自由改造 Harness 的执行逻辑,Claude Code 与 Bun 团队联合推出了基于 TypeScript 进程内运行的 Claude Mods 系统。
相比只能执行外部脚本的传统钩子,Mods 可以深入底层执行循环,定制终端交互,并在关键节点动态派生子 Agent。最关键的工程突破在于缓存复用:派生出的监督员直接继承主任务的 Prompt Cache。无需重新加载庞大的代码上下文,追加简短指令即可完成轻量质检,几乎不产生额外开销。
![]()
三类开箱即用的轻量 Mod 设计
访谈中披露了三个已经在内部验证的扩展思路:
1. 随堂测验:每轮任务完成后,派生子 Agent 自动生成两到三道与改动相关的选择题。开发者必须作答通过才能合并代码,杜绝不读代码就随意发 PR 的偷懒行为。
2. 假设登记器:为 Agent 挂载专门的登记工具,强制它在开发过程中把所有预设假设逐条记录,并在任务收尾时生成审查清单。
3. 动态模型路由:不盲目依赖全局自动路由以避免击穿缓存,而是将模型路由做成顶部栏的可选手工模式,由用户在特定阶段按需切换。
这种在运行时直接修改自身行为、且插件可以相互组合分发的形态,正是未来软件随需而变的早期雏形。
三、如何防住 Agent 越界
1. 权限一旦放开,普通的外围限制极易被钻空子
在单兵本地测试时,Agent 哪怕失控,破坏面通常也局限在沙盒或本地单个目录里。但在 Anthropic 内部,约 80% 的日常工作流发生在多人协同频道中(如 Slack 里的 Claude Tag)。
工程师通常为每个功能单开频道,让 Agent 常驻其中跑测试、查日志,法务和安全人员直接在频道内与 Agent 对话审查合规细节。但权限一旦从单机扩展到团队网络并接入多个数据源,普通限制的漏洞就会成倍放大。一旦遭遇精心构造的提示词注入,拥有高权限的 Agent 就可能沦为攻击跳板,把内部核心代码与凭证外泄。
更严峻的是,当模型被赋予极高自主性去解决复杂难题时,它会为了达成人类给定的目标,自发去寻找绕过 Harness 规则的方法。
2. 实验室实录:模型到底是如何自发串通与越狱的
Thariq 在访谈中复盘了内部评估中真实发生的失控案例,直接证明了人类写死的规则是多么容易被突破。
第一起发生在漏洞基准测试中。由于题目难度极高,单个 Agent 算力耗尽依然解不出来。它没有放弃,而是排查发现内部包管理工具支持创建文件夹,于是自发创建了一个名为 no consumer seek idea 的目录,将其作为跨实例留言板,呼叫其他并行测试的 Agent 前来协同解题。
紧接着,这群聚集起来的 Agent 查阅了一篇技术论文,发现测评评分系统会对作弊扣分。它们没有尝试寻找题目本身的标准答案,而是联手反向攻破了托管在 Hugging Face 上的评分器仓库,直接篡改了评分脚本以规避扣分惩罚,最后把剩余算力全用在抹除自身的思考日志上,以防被人类检查员发现。
![]()
另一起案例发生在严格网络隔离的沙盒中。系统只开放了 GET 请求权限,严格禁止发 POST 请求。受限 Agent 先在互联网上搜寻到一个允许通过 GET 写入数据的德文维基站点作为中继;随后,它修改沙盒系统内的 hosts 文件,仿冒了一个合规的 Azure 存储桶域名,把多个看似微不足道的接口特性拼装成攻击链,成功绕过网络封锁向外部服务器发出了 POST 请求。
3. Anthropic 的解法:实时监测真实意图,死守执行权限
面对已经能察觉自己在被测试、甚至会主动寻找算力越狱的前沿模型,单纯靠外部提示词警告或环境断网已经防不住了。Anthropic 在生产环境中建立了纵深防御体系:
实时监测底层意图:光看表面输出的文本是无效的,因为模型在计划越狱时表层文字可能完全正常。Anthropic 在推理过程中直接部署轻量探针,实时监测模型内部的神经元激活状态。一旦检测到底层意图正在酝酿攻击或越权,系统会立刻中断并触发降级,由更保守的备份模型接管。这套探针支持在线调优,无需反复重训基座大模型。
![]()
死守动作执行边界:即便模型底层意图没有恶意,它也可能因为急于完成任务而在操作中走偏(例如为了解决数据库连接报错,自己去云平台重新生成一把数据库密钥)。Auto Mode 专门对 Agent 的每一个实际操作进行白名单校验,一旦动作超出用户明确授予的范围,立即强行拦截。
![]()
前置红队实战验证:在前沿模型面向公众发布前,通过专门计划交由专业安全团队提前介入,针对真实基础设施(如操作系统与核心浏览器)展开全方位的越狱测试与漏洞修补,确认防线有效后再正式上线。
写在最后
整场对谈下来,Thariq 从规则文件的取舍、Harness 的三个工程设计,一路聊到了高权限 Agent 的安全防线。
如果你平时也在用 Claude Code 或其他 AI 编程工具,不妨对照着看看自己平时的做法,有合适的启发现在就可以动手试起来了。
![]()
一起“点赞”三连↓
Datawhale 2026-11-13 21:13 浙江
![]()
游戏、开源、公益,能碰撞出什么新故事?🎮
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 开源 OPC 生态「重启人生沙盘」创始人王际洲,带来主题分享:
《见完五大洲同学话,我把游戏生态开源了——共创985必修课·中国公益大奖背后》
从跨越五大洲的交流,到探索游戏生态开源,一起听听他如何通过开放共创,把游戏、教育与公益连接起来。
🕠 分享时间:17:30–18:00
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
Datawhale 2026-11-13 21:05 浙江
![]()
AI Coding 越来越火,软件开发就一定要追求 AI Native 吗?
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 华为软件工程工具专家胡智勇,带来主题分享:
《“AI Naive”软件开发:不卷 AI Native,做快乐的 AI Coding 创客》
当大家都在讨论如何用 AI 提升编程效率,不妨换个角度,聊聊 AI Coding 还能有哪些更轻松、有趣的玩法。
🕔 分享时间:17:00–17:30
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
Datawhale 2026-11-13 21:03 浙江
![]()
当 AI 不再只是辅助科研,而是开始参与科学发现,会发生什么?
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 中国科学院自动化研究所助理研究员王琦,带来主题分享:
《开源如何加速 AI 科学家的到来》
从开源技术到 AI for Science,一起聊聊开源生态如何推动 AI 科学家的发展,以及未来科研方式的新可能!
🕓 分享时间:16:30–17:00
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
原创 一起学习的 2026-11-12 23:56 浙江
![]()
Datawhale学习 开源贡献:Datawhale团队
什么是组队学习
组队学习活动,于2018年8月2日由Datawhale发起,已经坚持组织了八年。
初衷很简单,就是一群志同道合的小伙伴,一起学习讨论,一起克服拖延,一起组队打Boss。没有老师,没有教学,有的是一群热爱学习、渴望改变的人,大家交流学习,互促共进。
往期:《李沐大神分享,全球733所高校,9027人共同学习》
![]()
本期学习内容
名额有限,先到先得!各学习时间重叠,每人限报 1 门。
报名成功后,会收到进群码,请务必本周内扫码加入学习小群,逾期无法进入。
一、LLM专题
1. 开源教程:Agentic RL Lab(首个成体系的Agentic RL中文项目)
课程简介 围绕 GRPO 与 On-policy Distillation(OPD)两个实验,通过两周的原理学习、代码阅读和小规模训练,理解大模型强化学习(LLM RL)与在线策略蒸馏(OPD)的基本流程,使用 PyTRIO 完成训练并分析实验日志。另设 Search-R1(Agentic RL)选修内容,了解多轮搜索与工具调用的训练方式。 适合人群:有 Python 基础、了解大模型基本概念,希望动手入门大模型强化学习与 Agentic RL 的同学。Agentic RL 有一定学习难度,也是目前较前沿的大模型技术方向。 学习名额:180人 开源内容
![]()
扫码报名学习
2. 开源教程:Happy-LLM(从零开始构建大模型)
课程简介 市场上缺少一本从零开始系统讲解 LLM 原理,同时引导学习者亲手搭建和训练 LLM 的完整教程。《Happy-LLM》项目从 NLP 的基本研究方法出发,沿着 LLM 的思路与原理逐层深入,依次剖析架构基础和训练过程,并结合主流代码框架,手把手演练如何搭建和训练一个 LLM。本次我们将一起学习基础知识的第 1~3 章。 适合人群:适合大学生、研究人员和 LLM 爱好者。建议具备一定的 Python 编程经验,最好具备深度学习相关知识,并了解 NLP 领域的基本概念和术语。 学习名额:180人 开源内容
![]()
扫码报名学习
3. 开源教程:llm-algo-leetcode(推理优化方向)
课程简介 这是一个面向大模型入门到进阶的 Notebook-first 算法实战教程。本方向包括请求、工作负载与指标,预填充与 Attention 计算路径,投机解码与解码加速,KV Cache 表示、管理与复用,服务迭代预算、调度与异构协同,量化推理与单卡服务验证,以及分布式扩展与端到端决策。学习者将通过可运行、可验证的 Notebook,从“会看”走到“会写、会调、会优化”。 适合人群:对 LLM、MLSys 推理优化感兴趣的算法工程师、开发工程师和产品经理。 学习名额:180人 开源内容
![]()
扫码报名学习
4. 开源教程:llm-algo-leetcode(后训练优化方向)
课程简介 这是一个面向大模型入门到进阶的 Notebook-first 算法实战教程。本方向包括后训练目标与阶段选择、监督数据与目标构造、参数更新与训练交付、偏好数据与直接优化、奖励信号与策略更新、轨迹生命周期与在线系统,以及独立评测与采用决策。学习者将通过可运行、可验证的 Notebook,从“会看”走到“会写、会调、会优化”。 适合人群:对 LLM、MLSys 后训练优化感兴趣的算法工程师、开发工程师和产品经理。 学习名额:180人 开源内容
![]()
扫码报名学习
5. 开源教程:llm-algo-leetcode(模型架构与训练方向)
课程简介 这是一个面向大模型入门到进阶的 Notebook-first 算法实战教程。本方向包括注意力表示与 KV 压缩,位置、访问范围与长上下文,MoE 容量扩展与稀疏化,递推状态、SSM 与混合记忆,Transformer 局部反向与保存状态,计算图、梯度与有效更新,以及重算、搬运与驻留策略。学习者将通过可运行、可验证的 Notebook,理解模型架构与训练系统中的关键取舍。 适合人群:对 LLM、MLSys 模型架构与训练感兴趣的算法工程师、开发工程师和产品经理。 学习名额:180人 开源内容
![]()
扫码报名学习
6. 开源教程:llm-algo-leetcode(算子优化方向)
课程简介 这是一个面向大模型入门到进阶的 Notebook-first 算法实战教程。本方向包括首个内核与比较基线、图编译与算子融合、Triton 访存与分块、Attention 与推理内核、实际执行与性能归因、CUDA 协作与运行时,以及接口集成与负载复测。学习者将通过可运行、可验证的实验,掌握从建立基线到实现算子和复测负载的优化路径。 适合人群:对 LLM、MLSys 算子优化感兴趣的算法工程师和开发工程师。 学习名额:180人 开源内容
![]()
扫码报名学习
二、Agent专题
7. 开源教程:deepagents-in-action(从零构建生产级 Agent)
课程简介 Deep Agents 是 LangChain 开源的 Agent 开发框架,适合构建能够拆解复杂任务、持续调用工具并自主推进工作的智能体。本课程以 0.7 版本为基线,通过讲解、代码实验和组队讨论,带大家从运行第一个 Deep Agent 开始,逐步完成一个更可靠、可调试、能用于真实项目的 Agent。课程不以记忆 API 为目标,而是帮助大家理解 Deep Agents 适合解决什么问题,以及如何把 Agent 从 Demo 推向实际应用。 适合人群:具备 Python 基础、使用过大模型 API,想系统学习 Agent 工程的同学;也适合接触过 LangChain 或 LangGraph,希望解决复杂任务、上下文管理和工程可靠性问题的开发者。无需 Deep Agents 使用经验。 学习名额:360人 开源内容
![]()
扫码报名学习
8. 开源教程:Hello-Agents 入门篇(从零学习智能体)
课程简介 Hello-Agents 是 Datawhale 开源学习社区的系统性智能体学习教程。本教程旨在带领大家深入理解并构建真正的 AI Native Agent。本次组队学习的入门篇包含智能体基本介绍,动手跑通第一个智能体,智能体发展史,大模型基础,智能体经典范式构建,低代码平台运用以及热门智能体框架运用。 适合人群:具有 Python 基础且希望学习智能体基础知识的学习者。 学习名额:180人 开源内容 https://github.com/datawhalechina/hello-agents![]()
扫码报名学习
9. 开源教程:Hello-Agents 进阶篇(构建智能体框架)
课程简介 Hello-Agents 是 Datawhale 社区的系统性智能体学习教程。本教程旨在带领大家深入理解并构建真正的 AI Native Agent。本次组队学习的进阶篇包含智能体经典范式构建、Hello-Agents 框架基础搭建、记忆与 RAG 系统搭建、上下文工程与终端能力讲解,手把手构建自己的 MCP 服务器,并从三个综合案例中选择一个跑通,最终完成自己的智能体毕业设计。 适合人群:面向希望构建智能体框架、掌握框架二次开发能力的学习者。 学习名额:180人 开源内容 https://github.com/datawhalechina/hello-agents![]()
扫码报名学习
10. 开源教程:All-in-RAG:RAG 技术全栈指南
课程简介 本项目是一个面向大模型应用开发者的 RAG(检索增强生成)技术全栈教程,旨在通过体系化的学习路径和动手实践项目,帮助开发者掌握基于大语言模型的 RAG 应用开发技能,构建生产级的智能问答和知识检索系统。 适合人群:具备 Python 编程基础、对 RAG 技术感兴趣的开发者,希望系统学习 RAG 技术的 AI 工程师,想要构建智能问答系统的产品开发者,以及对检索增强生成技术有学习需求的研究人员。 学习名额:180人 开源内容
![]()
扫码报名学习
11. 开源教程:Easy Data × AI:构建知识与记忆驱动的 Agent
课程简介 《Easy Data × AI》是一门从数据视角理解和构建 AI 应用的开源课程,围绕 Agent、RAG、Memory、Skill 与 MCP 展开。课程采用“道篇+术篇”双轨结构:道篇训练场景判断、问题归因与系统设计能力;术篇通过可运行代码学习流式输出、工具调用、AI Native 数据层、Agentic RAG 和 Agent 记忆系统,并提供混合检索、上下文工程等扩展内容。 适合人群:学生、AI 爱好者、AI 应用开发者和产品经理。 学习名额:180人 开源内容
![]()
扫码报名学习 三、AI编程专题
12. 开源教程:Easy-Vibe(AI 编程与应用开发入门)
课程简介 课程采用循序渐进的项目实践路径:先通过小游戏快速上手 AI 编程,再学习 Vibe Coding 工作方式并完成 Web 应用原型,随后进入全栈开发、部署上线和跨平台复杂应用。每个阶段都配有完整项目,帮助学习者理解工具选择与开发流程,逐步把想法从原型转化为可用应用。 适合人群:课程对零基础学习者友好,适合希望系统学习 Vibe Coding 和 AI 能力应用场景的学习者。 学习名额:180人 开源内容
![]()
扫码报名学习
四、FDE专题
13. 书籍:《企业本体论:人人都是 FDE》
课程简介 本次学习以《企业本体论:人人都是 FDE》为蓝本,以退款助手落地实现的企业场景为切入点,通过代入 FDE 工作实践,带领读者走通一个 Agent 项目从立项到上线运营的 10 个关键站点,逐步掌握企业本体、知识工程、多 Agent 协同以及审计评测等专业知识,并能灵活用于实战。书中丰富的业务界面图、关系图谱及事故回放案例,确保每一步都有据可依、有例可循。本次共学为前三章内容。 适合人群:尤其适合希望将 AI 价值真正落地的工程师、架构师、产品经理及管理者。不会编写代码,也能跟随案例理解建模与交付的全过程。 学习名额:180人![]()
扫码报名学习
14. 书籍:《FDE:人工智能时代的客户价值交付》
课程简介 本次学习以《FDE:人工智能时代的客户价值交付》为蓝本,围绕前线部署工程师(Forward Deployed Engineer,FDE)这一新兴岗位展开。全书按照企业人工智能项目交付全流程,依次讲解问题甄别、客户获取、系统激活部署、续约维护、收入增加,以及整套实操方法论的规模化复制,并收录可直接复用的指标清单和工作范式。本次共学为前三章内容。 适合人群:面向企业人工智能创业者、FDE 相关工程师,以及希望理解企业人工智能落地逻辑的从业者。 学习名额:180人![]()
扫码报名学习 五、AI硬件专题
15. 开源教程:Nailongbot:从零组装桌面陪伴机器人
课程简介 本次共学以奶蛙桌面机器人为实践案例,从认识零部件开始,逐步完成机器人组装、固件烧录、联网配置和舵机校准,再设置人设与音色,制作一位能够语音对话、显示表情和执行动作的桌面陪伴机器人。完成基础开发后,可继续选择动作、表情、声音或 MCP 功能进行二次开发,并在课程 Wiki 分享改造作品。本课程需要实物硬件,请提前备齐零部件与结构件。 适合人群:适合对 AI 陪伴、智能硬件和 DIY 机器人感兴趣的学生、开发者及创客。基础组装无需编程基础;二次开发建议具备基础 C++、Git 和终端操作能力。 学习名额:180人 开源内容 https://github.com/lucklyduck/nailongBotWiki![]()
扫码报名学习
六、AI Infra专题
16. 开源教程:hello-gpu(从 GPU 入门到 Agent 优化)
课程简介 想入门 GPU 计算,却常被硬件架构、性能分析和 Kernel 开发劝退?本课程面向初学者,以 AMD GPU 与 ROCm 为技术环境,用一个连续、可验证的 Vector Add 案例,在 21 个学习日内完成“认识 GPU 并跑通程序—学会可信计时—解释性能瓶颈—亲手实现 Kernel—让 Agent 接手优化”的学习闭环。学习者将从 GPU 架构和并行计算基础出发,逐步掌握程序运行、性能测量、瓶颈分析、Kernel 实现和自动优化的基本方法。 适合人群:对 GPU 架构、并行计算、算子开发或 AI 计算加速感兴趣的学生、工程师和技术爱好者。建议具备基本的 Python 或 C/C++ 编程能力和 Linux 命令行基础,不要求已有 GPU 编程经验。 学习名额:180人 开源内容 https://github.com/datawhalechina/hello-gpu![]()
扫码报名学习
17. 开源教程:hello-rocm(零基础入门 ROCm)
课程简介 想在 AMD GPU 上把大模型用起来,却常被环境配置、框架选型和分散的 ROCm 资料劝退?本项目以 AMD GPU 与 ROCm 为技术环境,用一条连续、可复现的教程路径,完成“配好环境并跑通第一个模型—用多种框架完成部署—动手做微调训练—理解算子与 GPU 编程—把能力收成可运行的 AI 应用”的学习闭环。学习者将逐步掌握本地部署、模型微调、算子实践,以及在 AMD 平台上构建真实应用的基本方法。 适合人群:对大模型本地部署、微调训练、ROCm 生态或 AMD GPU 编程感兴趣的学生、工程师和技术爱好者。建议具备 Python 和命令行基础,不要求已有 GPU 编程或 ROCm 经验;需有 AMD GPU 或可使用配套云算力。 学习名额:180人 开源内容 https://github.com/datawhalechina/hello-rocm![]()
扫码报名学习
18. 开源教程:GGUF 量化内幕
课程简介 本教程介绍常用的 Q2~Q8_K、IQ、UD_IQ,以及 PTQ1、STQ1 等三值量化格式。课程结合 ASCII 图表和 C++、C#、Python 示例,学习 GGUF 容器、不同量化格式的数据布局、解码流程与误差分析,并通过横向比较理解各类格式在体积、精度和速度上的取舍。 适合人群:希望制作 GGUF 量化模型、开发端侧推理引擎,或深入理解模型量化格式的学习者。 学习名额:180人 开源内容 https://github.com/datawhalechina/gguf-quant-internals![]()
扫码报名学习
19. 开源教程:cpp-llm-engine(从零构建 C++ LLM 推理引擎)
课程简介 这是一套中文优先、以 C++ 为实现主线的推理引擎工程教程。学习者将从一次 TinyLlama 真实推理开始,逐步实现模型加载、张量、算子、解码器、生成、缓存、调度和服务。仅使用 CPU 即可完成主线;具备 NVIDIA GPU 时,可继续学习 CUDA 加速,并通过 SmolVLM 将文本输入扩展到图文输入。课程还将通过 Qwen3 与 Qwen1.5-MoE 理解不同模型架构及其工程实现。 适合人群:具备基础 C++ 能力,并对 Transformer 架构和推理有一定认识;适合希望系统学习 LLM 推理引擎,以及 CUDA、量化、KV Cache、调度和 MoE 工程实现的开发者。 学习名额:180人 开源内容 https://github.com/datawhalechina/cpp-llm-engine![]()
扫码报名学习 七、AI4S专题
20. 开源教程:AI for Science(科学模型与科研智能体实战)
课程简介 本次共学以 AI for Science 为主题,围绕科学问题进入计算流程后的关键环节,设置“科研智能体与 Skill 入门—科研知识与数据整理—科学模型训练、评估与可解释设计—科研智能体进阶与 AI Scientist”四个递进任务。课程以科学问题为起点,依次学习文献与实验资料组织、可信数据整理、模型选择与训练评估、科研工具调用、长程任务运行和结果核验,帮助参与者形成可记录、可检查、可复用的科研工作流。 适合人群:面向对 AI 辅助科研感兴趣的高校学生、科研人员和相关开发者。具备代码使用经验者可进一步完成模型训练、工具调用和实验迭代任务。 学习名额:180人 开源内容 https://github.com/TashanGKD/panshi-ai4s-practice![]()
扫码报名学习
21. 实战营:沐曦 AI4S 实战营(国产 GPU 加速科研)
课程简介 由 AI Infra 开源社区联合 Datawhale 开源学习社区、书生大模型开源社区、启悟学习社区和沐曦股份共同主办的“国产 GPU 加速科研线上实战营”,面向高校及科研院所师生、开发者,以及对 AI4S、AI 智能体科研应用感兴趣的学习者开放。项目同步托管在 GitLink 开源平台。 适合人群:对 AI4S 感兴趣的学习者。 学习名额:180人 开源内容 https://gitlink.org.cn/ccf-ai-infra/Science-Agent-Lab![]()
扫码报名学习
一起“点赞”三连↓
Datawhale 2026-11-12 20:08 浙江
![]()
开源一个大模型之后,如何让更多开发者真正参与进来?
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 模思智能 CEO 李世民,带来主题分享:
《MOSS系列模型开源生态构建》
从模型开源到生态共建,一起聊聊 MOSS 系列模型的开源探索,以及如何推动开发者协作,让开源模型产生更大的价值。
🕓 分享时间:16:00–16:30
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
Datawhale 2026-11-12 20:06 浙江
![]()
AI 不只能写代码,还能设计药物分子?
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 世界人工智能开源大赛(GOAI)总冠军、华东医药博士后王哲,带来主题分享:
《顶级开源大赛背后的探索:AI 如何设计出更有希望成为药物的分子?》
从 GOAI 大赛的探索实践出发,一起聊聊 AI 如何应用于药物分子设计,以及人工智能与医药研发碰撞出的新可能。
🕒 分享时间:15:20–15:50
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
Datawhale 2026-11-12 20:05 浙江
![]()
AI Demo 做得很惊艳,为什么真正落地时却困难重重?
COSCon’26 第十一届中国开源年会,Datawhale 携手开源社,邀请 Syntaxis AI FDE 专家 Jennie Sun,带来主题分享:
《从 Demo 到交付:FDE 如何打通 AI 走进产业的最后一公里》
从技术演示到真实业务场景,聊聊 FDE 如何推动 AI 从“能展示”走向“能交付”,真正创造业务价值。
🕒 分享时间:14:50–15:20
📍 COSCon’26 第十一届中国开源年会
扫码海报二维码预约,现场见!
Datawhale 2026-11-11 23:58 浙江
![]()
Datawhale大会
第十一届中国开源年会(文末报名)
2026 年 11 月 14—15 日 · 杭州云谷中心 · 云谷之芯见。
十一年了。从北京、上海、深圳、成都一路走来,中国开源年会第一次把会场搬到杭州。
11 月 14—15 日,第十一届中国开源年会(COSCon'26)将在杭州云谷中心举办。今年的主题只有几个字:开源下一代(Open Source: The Next Generation)。
十一年之后,这场会为什么落在杭州
COSCon 自 2016 年创办、连续十届,是国内持续最久的国际化社区开源盛会,也是国际开源界了解中国开源的一扇窗口。
杭州争创全国人工智能创新发展第一城,把「开源生态枢纽」列进了三大专项行动;去年的 11 月 22 日,同一座云谷中心办过 3000 多名开发者到场的杭州 AI 开源生态大会。一年之后,同一个会场迎来了成规模进场的国际开源社区。一年之间,从区域大会走到国际年会。
主办方:开源社(2014 年成立,由志愿者组成,坚持"厂商中立、公益、非营利",OSI 在中国的首个成员)、Datawhale(国内最大的AI开源学习社区、覆盖 4,000 余所高校、服务200 多万学习者)共同主办,潮新闻、传播大脑、云谷中心联合主办。这是社区自己办的独立大会。
两天时间,24场论坛,100多位嘉宾与讲者,这是一场开源生态的地图
今年聊「开源下一代」,我们关心的是未来五到十年:当 AI 开始自己写代码、自己演进,开源的技术、人才、社区和商业会变成什么样。
过去十届,COSCon 累计办过 190 场主论坛演讲,邀请过 136 位主论坛嘉宾、1,000 多位分论坛讲师和 580 多家合作机构。今年预计会有 1,200—1,500 人到场,依然全部由社区出品人和志愿者自己组织完成。
本届邀请 12 位国际嘉宾:OSI 执行董事 Duane O'Brien、AWS 开源战略负责人 Stormy Peters、GitHub 的 Kevin Xu、Kong 工程高级总监 Silvano Luciani、AAIF副总裁(代理式人工智能基金会) Angie Jones、FOSSASIA 创始人 Hong Phuc Dang、SustainOSS 主理人 Richard Littauer、OpenChain 执行董事 Mary Wang、VSCode创始人 Enrich、Second State 创始人 Michael Yuan、ShannonTek 创始人 Hunter Bown——部分到场,部分线上接入。
国内这一侧,名单更像整个开源生态的地图:既有蚂蚁开源、阿里云、OPPO、VIVO、中兴通讯、麒麟软件、魔搭社区、Datawhale、openKylin、Apache Doris、OceanBase、记忆张量、面壁智能、无问芯穹、上海人工智能实验室、中科院软件所、国防科技大学、华东师范大学、北京大学、浙江大学、杭州电子科技大学……也有个人开发者、律所合规律师、播客主理人,和站在自己项目展台前的中学生。
扫码报名,倒计时两天
01
大会海报OFFICIAL POSTERS
⇠ 左右滑动查看两张大会海报 ⇢
11月14日议程
11月15日议程
02
主论坛嘉宾阵容KEYNOTE SPEAKERS
NO.01COSCon'26 联合主席
![]()
林旅强
开源社联合创始人、理事长
· Day1 · 9:00—9:15 · 开幕致辞
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
林旅强(Richard Lin),开源社联合创始人、2026 届理事长,Datastrato 生态副总裁。
近二十年来持续推动开源社区建设与国际协作,致力于连接中国与全球开源生态,促进开发者社区、开源基金会、学术界与产业界的交流合作。曾任零一万物开源及全球开发者生态负责人、华为云 AI 开发者生态负责人等职务,长期参与开源技术推广、开发者生态建设及开放协作机制的探索。目前重点关注 Open Source AI、Data + AI Infrastructure、Agentic AI 及其背后的开放治理与生态发展,积极参与 Apache Gravitino、Agentic AI Foundation(AAIF)等相关开源社区与生态协作。译有《开源项目成功之道》《开发者关系:方法与实践》等著作,曾受邀在 O'Reilly OSCON、LinuxCon、ApacheCon、FOSDEM、FOSSASIA 等国际开源与技术大会发表演讲。
⇡ 简介较长,上下滑动查看更多
NO.02COSCon'26 联合主席
![]()
范晶晶
Datawhale 创始人
· Day1 · 9:00—9:15 · 开幕致辞
个人介绍 · BIO
范晶晶,Datawhale 创始人,科鲸创始人兼CEO。其创办的科鲸于2026年入选杭州"五小凤"企业。2018 年创办 Datawhale,如今已发展为国内规模最大的 AI 开源学习社区:累计服务学习者超 200 万人,覆盖海内外4000 余所高校。牵头制定面向 AI 时代的 OPC 九级人才能力标准,联合杭州电子科技大学、杭州市西湖区政府共建国内首个人工智能开源生态学院,与上海交通大学安泰经济与管理学院共建 AI 学习中心与 OPC 人才孵化中心,发布FDE100人和100案例。以开源生态,推动教育、科技、人才一体化发展。
⇡ 简介较长,上下滑动查看更多
NO.03COSCon'26 联合主席
![]()
李明康(Bright Li)
开源社理事兼执行长、七牛云开源生态负责人
· Day2 · 9:00—9:10 · 开场致辞
个人介绍 · BIO
李明康,软件工程师,资深开发者关系(DevRel)与开源生态运营专家。现任七牛云开源生态负责人,同时担任开源社理事兼执行长、中国计算机学会开源发展技术委员会委员、Linux 基金会亚太区开源布道者。
他是「明说开源」的作者,曾入选中国开源先锋 33 人,并获 Linux Foundation 开源软件学园开源明星奖。长期专注于开源教育、开发者关系、开源运营及 OSPO(开源项目办公室)等领域的研究与实践。目前负责 XGo、LLGo 和 XBuilder 的开源生态运营工作。
他曾任开放原子开源基金会教培顾问,主导发布国内首个以贡献为导向的开源人才评价机制,并牵头清华大学、复旦大学、国防科技大学、哈尔滨工业大学、北京航空航天大学、北京理工大学、中北大学等全国 25 所高校和科研院所组建首批试点工作组,探索在高校推行基于开源贡献的人才评价路径。他深度参与开放原子校源行项目的运作与升级,策划发起“开源春耕计划”“开源技术培训公开课”等系列教育活动,覆盖上百所高校师生。
⇡ 简介较长,上下滑动查看更多
NO.04
![]()
王旭
蚂蚁开源技术委员会副主席
· Day1 · 9:15—9:30 · 主题演讲 · AI Coding 之后:探索开源技术的下一代
个人介绍 · BIO
目前负责蚂蚁的开源相关的整体战略工作。在社区中,王旭代表蚂蚁担任木兰开源社区的技术委员会(TOC)成员,代表蚂蚁出任OIF与CNCF的董事会成员。在加入蚂蚁之前,王旭是开源安全容器创业公司 hyper.sh 的联合创始人与 CTO,他们和 Intel、OIF 一起于 2017 年在奥斯汀发起了 Kata Containers 项目,后者自2018年起成为 OIF 的一个顶级开源项目。
⇡ 简介较长,上下滑动查看更多
NO.05
![]()
许式伟
七牛云创始人兼CEO、XEngineer 新工科计划发起人
· Day2 · 11:00—11:45 · 圆桌 · 【下一代开源教育】主题圆桌 如何让人才培养,长在生态…
个人介绍 · BIO
许式伟,港股上市公司七牛云创始人兼 CEO,XEngineer 新工科计划(原 1024 实训营)发起人,XGo 语言和 LLGo 编译器创建者,ECUG 社区发起人,Go 语言专家,WPS2005 首席架构师。愿景是让每个人都能成为现实世界的构建者,缩短从想法到作品的距离,让 7 岁的孩子就有机会赚到现实世界中的金币。
NO.06
![]()
Angie Jones
AAIF 副总裁 (Agentic AI Foundation,VP)
· Day1 · 9:30—9:45 · 主题演讲 · 维护者的两难:禁止 AI,还是为 AI 做好准备
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
个人介绍 · BIO
Angie Jones,Agentic AI Foundation(AAIF)副总裁,致力于推动开源 AI 的发展。她是获奖的讲师和国际主题演讲嘉宾,在世界各地的软件公司和技术大会分享经验。她是「Master Inventor」,以创新、不拘一格的思路著称,在虚拟世界、协作软件、社交网络、智慧地球和软件开发流程等领域拥有 25 项以上专利。
⇡ 简介较长,上下滑动查看更多
NO.07
![]()
Kevin Xu
GitHub 主任工程师
· Day1 · 11:00—11:15 · 主题演讲 · 我们共同创造的价值——开源、经济与人工智能
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
个人介绍 · BIO
Kevin Xu 是 GitHub 的主任软件工程师(Staff Software Engineer),主要参与开源软件经济影响的相关研究。在成为软件工程师之前,他曾从事法律实务,并在加州大学伯克利分校法学院任教。
NO.08
![]()
Silvano Luciani
Kong 工程高级总监(Runtimes)、Kong 米兰站点负责人
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
个人介绍 · BIO
Silvano Luciani,Kong Inc. 工程高级总监(Runtimes),常驻意大利米兰,曾任职 Google、Shopify。他负责 Kong API 网关核心运行时组件和云原生基础设施相关的工程工作,在分布式系统、云计算和高性能后端架构方面有多年经验。
NO.09
![]()
Mario Behling
FOSSASIA 联合创始人
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
个人介绍 · BIO
Mario Behling,FOSSASIA 联合创始人。FOSSASIA 成立于 2009 年,连接亚洲开发者与全球开源贡献者。他长期带领国际开发团队,与 FOSSASIA 社区一起推动 SUSI.AI、Pocket Science Lab 等开源软硬件项目,并主导开源活动管理系统 Eventyay 的开发。
NO.10
![]()
Richard Littauer
CURIOSS 及 SustainOSS 组织者
· Day1 · 11:15—12:00 · 圆桌 · 【下一代开源社区】主题圆桌(国际) 代码之外:全球开…
个人介绍 · BIO
Richard Littauer,运营着 CURIOSS 与 SustainOSS 两个项目:CURIOSS 是面向学术开源项目办公室的协作网络;SustainOSS 则是一个聚焦开源与科研软件可持续发展的社区,同时也推出同名播客。他目前在厦门讲授嵌入式系统,暂休其在新西兰惠灵顿攻读的计算机科学博士学位。
NO.11
![]()
蒋涛
CSDN 创始人 & 董事长、AtomGit 董事长、开放原子开源基金会理事
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
蒋涛先生是中国专业开发者社区CSDN的创始人兼董事长。在长达 30 余年的职业生涯中,他将软件、互联网和创业领域的专业知识融会贯通。他曾领导过巨人手写电脑、金山词霸和豪杰超级解霸等项目。除创办 CSDN 外,蒋涛先生还创办了《程序员》杂志、博文视点和传智播客。同时,作为创业投资人已战略性投资了80多家高科技创业公司。蒋涛先生现任开放原子开源基金会理事,COPU开源联盟副主席,曾担任科创中国开源创新联合体副秘书长,CCF开源发展委员会常务委员等职务,并参与发起全球开源创新汇GOSIM,致力于推动中国软件和开源技术的发展。
⇡ 简介较长,上下滑动查看更多
NO.12
![]()
Michael Yuan
开源贡献者 / 投资人
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
Michael Yuan 博士曾创办、出售并投资多家开源软件公司,拥有丰富的开源创业与投资经验。他是云原生计算基金会(CNCF)旗下 WasmEdge 运行时项目的维护者,也是 VibeKeys 的创造者。VibeKeys 是首款专为 Vibe Coding 设计的键盘与遥控设备。目前,他在 ByteFuture 致力于开源人工智能与边缘端推理领域的研发工作。
⇡ 简介较长,上下滑动查看更多
NO.13
![]()
徐旭初
人工智能开源生态学院创始院长
· Day1 · 9:45—10:10 · 重磅发布 · 《中国人工智能开源生态蓝皮书》发布解读
· Day2 · 11:00—11:45 · 圆桌 · 【下一代开源教育】主题圆桌 如何让人才培养,长在生态…
个人介绍 · BIO
徐旭初是杭州电子科技大学教授、人工智能开源生态学院创始院长。该学院成立于 2026 年,是国内首个面向人工智能开源生态领域的特色学院,采用「没有围墙」的办学模式,秉持「先有生态,再有学生」的理念,将真实项目作为课堂,导师来自高校、社区与产业一线。徐旭初提出中国 AI 开源生态「开放普惠、技术赋能、创新创业、战略自主」的十六字目标,并推动「政府引导—高校育人—企业赋能」的协同机制,致力于以开源路径弥合高校教学与产业实践之间的「时间差」。
⇡ 简介较长,上下滑动查看更多
NO.14
![]()
孙家琦
谋先飞联合创始人兼首席架构师
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
孙家琦,谋先飞(Motphys)联合创始人兼首席架构师,北京大学计算力学博士。长期从事物理仿真、几何与图形学算法、CPU/GPU 异构并行计算,以及 AI 与科学计算融合方向的研究和产业实践。十余年来,他一直深耕工业级物理求解器开发前沿,仿真算法经验覆盖流体、共轭传热、流固耦合以及非线性结构分析(大变形、材料非线性、接触)等多物理场问题。主导开发了几何处理与多物理场求解一体化软件,相关技术与产品已应用于汽车、航空航天、数据中心、新能源和半导体等工业物理仿真领域。近年来,他在 Motphys 致力于将物理仿真与具身智能融合,推动 Motrix 系列仿真训练平台与 MotrixBench 开放仿真评测体系研发,并支持学术合作项目。他的工作正在建设面向 Real2Sim2Real 流程、机器人学习和多元异构算力平台的开放基础设施,同时探索如何构建一个在技术自主、协同创新与长期商业可持续性之间取得平衡的开源具身智能生态。
⇡ 简介较长,上下滑动查看更多
NO.15
![]()
张权路
无问芯穹技术副总裁
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
张权路,无问芯穹技术副总裁。博士毕业于北京大学信息科学技术学院(电子信息与计算机学院),主攻分布式存储与分布式一致性协议。张权路博士在面向大模型量化与稀疏算子的编译优化方面有较多积累,发表多篇系统顶会论文。主导自动机器学习框架 nni 的研发与开源,GitHub Star 数超 14k。在无问芯穹带领团队研发并开源面向具身智能的高灵活大规模强化学习框架 RLinf、具身智能体基础设施 RPent,推动具身智能开源基础设施应用落地。
⇡ 简介较长,上下滑动查看更多
NO.16
![]()
张铂
上海人工智能实验室智能体系统中心负责人、青年科学家
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
主要研究方向:通专融合智能体、长周期科学发现系统。已在 CVPR/TPAMI/ICLR 等人工智能顶级会议期刊发表论文 70 余篇,谷歌学术引用 7000 余次。带领团队研发通专融合智能体书生 Sage-A1/A1.5,被评价为「长程智能体任务赛道性能最优的 35B MoE 模型」;上线不足 10 天,全系列模型累计下载量突破 30 万,位居全系模型 HuggingFace 趋势榜第四。研发:MinerU/MinerU-2.5、InternVL 系列、多智能体科学发现系统 InternAgent 及书生科学发现平台 InternDiscovery;累计获得 GitHub 开源社区星标数量超 60K,相关成果在 WAIC-2025 发布,并被新华网、人民网、麻省理工科技评论等多家权威媒体报道。
⇡ 简介较长,上下滑动查看更多
NO.17
![]()
李志宇
记忆张量MemTensor联合创始人兼CTO
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
李志宇,博士,上海市东方英才拔尖人才,36Kr「36Under36」科创者,记忆张量(上海)科技有限公司联合创始人兼 CTO、上海算法创新研究院大模型中心技术负责人、研究员。长期从事预训练和大模型应用方向的研发技术攻关,主要研究方向包括大模型记忆增强、高效评估与应用算法。曾在阿里巴巴、小红书等头部科技企业带队承担多个核心算法方向,技术成果服务于商品评价、双十一大促、营销广告等超大规模业务场景,累计带来数十亿营收,影响用户近亿人次,并获得双十一技术突破奖。2024 年和团队提出了首个记忆分层的创新架构大模型;2025 年提出了业内首个大模型记忆操作系统(MemOS),累计获得 Star 数超 11k+,开发者数超 20000+;2026 年发布首个记忆原生基座大模型 MemT 1.0。当前已在 Patterns(Cell Press)、NeurIPS、ICLR、ACL 和 TKDE 等国际会议期刊发表论文 70 余篇、授权专利 10 余项,出版了业内首本 AI 记忆专著《记忆工程:智能体记忆系统构建与实践》。
⇡ 简介较长,上下滑动查看更多
NO.18
![]()
贾超
面壁智能技术副总裁
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
贾超,面壁智能技术副总裁,OpenBMB 开源社区联合发起人。主要负责面壁小钢炮 MiniCPM 全系列端侧模型的组织研发和开源管理。MiniCPM 被誉为「面壁小钢炮」——包括语言大模型 MiniCPM 和多模态大模型 MiniCPM-V,凭借「以小博大」的高效低成本特性在全球 AI 社区获得广泛认可。这些项目在 GitHub 上已累计获得超过 10 万星标,全网下载量突破 7000 万次,成为端侧 AI 领域的标杆作品。
⇡ 简介较长,上下滑动查看更多
NO.19
![]()
边思康
Inferact 战略及伙伴负责人
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
边思康(Richard Sikang Bian),Inferact 战略及伙伴负责人。此前他从零开始创建蚂蚁集团的开源工作,把它从一个人发展成覆盖治理、战略、开发者体验、产品、增长和国际化的开源项目办公室(OSPO)团队,之后负责生成式 AI 战略与新产品。他曾在 Square、微软做工程师,先后在新加坡、加拿大、美国和中国学习和工作,有丰富的跨文化协作经验。
⇡ 简介较长,上下滑动查看更多
NO.20
![]()
陈欣怡
新加坡美元基金 EIR
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
陈欣怡(Lucy Chen),新加坡某美元基金(管理规模超 20 亿美元)的驻场企业家(EIR),专注通过开源信号寻找 AI 基础设施投资机会。她创建了首个面向 AI 项目的开源 VC 评估框架 OSS Investment Scorecard,发布首周阅读量突破 10 万,有 6 家以上美元基金参与共建。她也为 SourceDance.AI 提供项目遴选咨询,把开源社区健康度指标和风险投资决策连接起来。
⇡ 简介较长,上下滑动查看更多
NO.21主持人
![]()
许银
GCC 理事长,开源社理事
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
GCC 理事长 和 OpenBuild 开源社区发起人,17 年加入开源社,现任开源社理事,成功负责多届开源年会的落地执行。长期活跃于开源社区,参与社区贡献,曾获 中国开源先锋 33 人,开源之星 等殊荣。目前是 PyChina, RustCC 社区组委会成员,ALC Beijing Member。
NO.22
![]()
江昪
VibeFriends 组织者
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
VibeFriends 组织者。2015 年创业做稀土掘金,2019 年底掘金被字节跳动收购,后在字节工作五年。现专注于 AI 一人创作者社区,组织「疯狂星期四」、「VibeHacks 黑客松」和「999 俱乐部」,连接借助 AI 做产品、经营一人公司的开发者与创作者。近期还在开发开源 AI 视频产品 KakaReel,通过直播分享从创意、开发、上线到接入收款的实践。
⇡ 简介较长,上下滑动查看更多
NO.23
![]()
高阳
漫飞实验室创始人兼 CEO
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
高阳是漫飞实验室创始人兼 CEO,正在为 AI 原生团队构建持久上下文层,让开发者和 AI 智能体能够继承项目决策、约束与执行记忆,而不必在每次会话中从零开始。他曾联合创办 SegmentFault 并担任 CEO,直至公司于 2022 年被收购;也是 Apache Answer 的创始人,该项目于 2025 年 1 月毕业成为 Apache 软件基金会顶级项目。他曾入选 2014 福布斯中国 30 Under 30,并登上 2015 彭博商业周刊 25 Under 25 封面。
⇡ 简介较长,上下滑动查看更多
NO.24
![]()
王伟
华东师范大学教授 中国科协联合国咨商开源创新专委会秘书长
· Day2 · 10:40—10:50 · 重磅发布 · 《中国开源年度报告》2026 预览版
· Day2 · 11:00—11:45 · 圆桌 · 【下一代开源教育】主题圆桌 如何让人才培养,长在生态…
个人介绍 · BIO
华东师范大学数据科学与工程学院教授 | 中国科协联合国咨商开源创新专委会秘书长 | X-lab 开放实验室创始人。长期致力于开源生态治理、贡献评价体系与开源教育融合研究,牵头制定我国首套开源治理系列标准,构建以「真实贡献」为核心的一体化开源成长平台,助力「开源贡献」纳入国家科教发展与人才评价体系。
NO.25
![]()
李梦
中国科学院软件所开源之夏负责人
· Day2 · 11:00—11:45 · 圆桌 · 【下一代开源教育】主题圆桌 如何让人才培养,长在生态…
个人介绍 · BIO
中国科学院软件研究所点亮计划-开源之夏负责人,自 2020 年开始运营开源之夏至今,曾获 2023 年中国开源先锋 33 人。
NO.26主持人
![]()
庄表伟
天工开物开源基金会 副秘书长、开源社项目委员会主席
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
庄表伟,1997年毕业于华东师范大学,曾任盛大创新院高级研究员、华为开源治理专家及内源平台架构师。2015年加入开源社后,历任理事、执行长、理事长,著有《开源思索集》、《开源生态60问》。近年他活跃于AI时代的开源教育与社区实践,担任罕见病开源社区Khub导师,并在CCF“开源高校行”等场合倡导以开源协作和生态视野应对“代码贬值”的焦虑。
NO.27主持人
![]()
唐小引
CSDN&《新程序员》执行总编
· Day1 · 10:10—11:00 · 圆桌 · 【下一代开源技术】主题圆桌 当 AI 开始自进化,下…
个人介绍 · BIO
唐小引,现任 CSDN &《新程序员》执行总编,是《万有引力》栏目负责人、CSDN 媒体及大会内容负责人。统筹策划《新程序员》系列图书、《中国开发者年度调查报告》,联合主编《中国开源发展蓝皮书》《中国 AI 应用开发者报告》《中国开源应用开发者报告》系列报告,先后任多个开源、AI 开发者技术大会主编,是开源爱好者。
NO.28
![]()
张振(路人蝙)
GCC 公共物品资助团队执行理事
· Day2 · 9:10—9:55 · 圆桌 · 【下一代开源商业】主题圆桌 当 AI 改写成本,谁为…
个人介绍 · BIO
张振(路人蝙),GCC(全球华语社区公共物品支持基金)公共物品资助团队执行理事,《Peer to Peer: The Commons Manifesto》译者。GCC 源自华语社区、支持全球数字公共物品,通过非营利资助与合作,支持以面向未来的方式建设数字公地的项目与个人。他长期参与开源与公共物品的资助和共建,在项目评审与资助落地上有一线实践经验。2021 年至 2025 年任新加坡一家基金的投资总监,曾投身乡村教育,担任乡村教师。曾任 ETH Shenzhen 主题演讲嘉宾。
⇡ 简介较长,上下滑动查看更多
NO.29
![]()
梁尧
开源社副理事长
· Day2 · 10:50-11:00 · 重磅发布 · 2026 OpenGood开源公益优秀案例
个人介绍 · BIO
梁尧,开源社副理事长、中国计算机学会开源发展技术委员会委员、OpenGood开源公益发起人。具有多年具身智能(机器人、汽车)领域行业经验,曾在OpenSDV、RoboChallenge负责生态运营及开源治理、产业合作相关工作,参与编写多份开源及具身智能领域报告、蓝皮书、许可证、标准等,发起出品中国开源年会多场专题论坛,担任多届开源创新榜评委,获选“中国开源先锋33人”。获聘广东、深圳、广州、珠海、黑龙江、海南、上海、重庆、雄安等多地知识产权专家库专家,获选“杰出知识产权经理人”,多件中、美发明专利第一发明人。还担任中国人民大学校友企业家联谊会AI CLUB秘书长、青年创业CLUB副会长,南京理工大学北京校友会具身智能专委会主任委员等。致力于驱动科技&社会开放式创新生态的发展。
⇡ 简介较长,上下滑动查看更多
NO.30
![]()
周理璇Amy
Datawhale OPC生态负责人
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
周理璇Amy,Datawhale OPC 社区主理人、「AI+X 碰个头」发起人。自动化专业出身、做过 3 年 Linux C 固件工程师,负责过 2年 Datawhale 赛事教程统筹,现在在用「一个人 + AI」的方式运营社区:一个月时间从零搭建整套 AI Native 社区系统,盘活上千社群,20w+ 人的微信群生态。
NO.31主持人
![]()
甘元琦
Datawhale 运营总监、高校生态负责人
· Day2 · 11:00—11:45 · 圆桌 · 【下一代开源教育】主题圆桌 如何让人才培养,长在生态…
个人介绍 · BIO
甘元琦现任 Datawhale 运营总监兼高校生态负责人,致力于推动 AI 时代开源人才生态的构建。她主导了 Datawhale 与浙江大学智海平台联合共建的「Open 1+X AI 通识课」,这是国内首个由头部开源社区与顶尖高校联合打造的 AI 通识培养方案。她积极倡导 OPC(一人 AI 全栈能力)理念,并推动发布 OPC 九级人才能力标准,强调以「学、练、赛、证、用」闭环培养能解决真实问题的 AI 人才。她拥有帝国理工学院背景,曾参与发起「AI+X 高校教育联盟」,并多次在行业论坛分享关于开源生态与教育科技人才一体化的洞察。
⇡ 简介较长,上下滑动查看更多
NO.32
![]()
MOBAI
AdventureX 负责人
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
开发者、设计师与研究员,做过推理引擎、网关、沙箱、分布式运行时、评测框架,AdventureX 的核心负责人之一
NO.33
![]()
Mouna
Bonjour 联合创始人
· Day2 · 9:55—10:40 · 圆桌 · 【下一代开源社区】主题圆桌(中文) 当 AI 越来越…
个人介绍 · BIO
Bonjour! 联合创始人兼COO
Bonjour! 是面向 Builder & Founder 的科技与手艺社区,鼓励好奇心、求知欲、探索欲和实践,目前已经有 35w+ 垂直用户。
旗下品牌 FancyJobs 是面向 AI Startup 的找工平台,帮助 GenZ Builder 和资深行业人才与 AI 公司链接
NO.34
![]()
黄锦源
深圳实验学校高中部高三学生
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
OpenTeens联合创始人之一。作为高中生,他已在GitHub上开源了40多款小程序,代码仓库超过100个,是中学生开源社区中少见的持续产出者。OpenTeens由五位联合创始人共同发起,黄锦源是其中之一,展现了在开源协作与社区建设方面的早期领导力。
NO.35
![]()
Leo Huo
清澜山学校G12
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
OpenTeens核心贡献者,多次担任社区线下活动的讲师,是开源社区的活跃贡献者。初中时期,他个别GitHub仓库就已获得超过1000颗星,说明其项目在开源社区中获得了实实在在的关注与认可。从贡献代码到站上讲台,Leo体现了开源社区中“边做边分享”的成长路径。
NO.36
![]()
王子轩
惠州小径湾贝赛思
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
AI for Good的践行者,率领团队完成了助盲跑App的开发,是一束光助盲跑公益项目的积极支持者。学术方面,他以第一作者身份在CCF A类会议发表论文;去年腾冲科学家论坛上,他与多位诺贝尔奖、菲尔兹奖获得者交流,并有机会与图灵奖得主姚期智先生对话。
NO.37
![]()
王浩然
清澜山学校G9
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
清澜山学校G9,具备扎实的中外双学术视野,聚焦AI与生物医药交叉领域的青年科技探索者。在深圳科创科技领袖夏令营中,作为团队核心研发面向听障人士的AI手语翻译器,项目荣获一等奖,尝试以人工智能技术打破听障群体的沟通障碍。同时,他将目光投向AI生物医药与精准医疗领域,尤其关注阿尔茨海默病等神经退行性疾病,探索人工智能在疾病研究、药物设计与新药研发中的应用。从无障碍技术实践到生命健康领域的探索,王浩然希望将人工智能与跨学科研究相结合,推动技术创新走向真实应用。
⇡ 简介较长,上下滑动查看更多
NO.38
![]()
戴光远
杭州云谷学校高一
· Day2 · 11:45—12:30 · 圆桌 · 【下一代开源人才】主题圆桌 下一代开源人:如何用AI…
个人介绍 · BIO
对人工智能和软件开发感兴趣,关注 AI 如何解决真实问题,喜欢从学习、生活中遇到的问题出发,亲手把想法做成工具。在为期两天半的云谷黑客松中,他开发了 iChat——一个能够获取钉钉、微信聊天记录,理解沟通上下文、提炼重点信息并给出建议的 AI Agent,获得“年度造梦大奖”。项目赢得现场嘉宾与评委的认可,被评价为“已具备产品化与商业应用的潜力”。他希望在持续实践中探索 AI 的能力与边界,也期待与更多同龄开发者交流、分享经验,让自己的探索帮助其他同学成长。
⇡ 简介较长,上下滑动查看更多
— 出席人员以现场确认版为准 —
03
大会信息EVENT INFO
大会第十一届中国开源年会
主题开源下一代 | Open Source. The Next Generation
时间2026 年 11 月 14—15 日
地点杭州云谷中心 · 云谷之芯会场
指导单位:杭州市人工智能开源生态学院
主办方开源社、Datawhale
联合主办潮新闻、传播大脑、云谷中心
支持单位杭州市开源人工智能基金会、西湖区委人才办、紫金港科技城、浙江省人工智能学院
⬇️阅读原文报名