SGLang与长上下文实践：高效后训框架与模型扩展探索

当人工智能加速由“对话”模式迈向“能办事”的智能体时代，LLM系统优化与落地的探索变得尤为关键，这更需要开发者们深度联结，共创实践经验。

因此，由SGLang社区、机器之心、张江孵化器联合举办的线下Meetup，将让屏幕前的贡献者走向台前，请幕后的优化者分享独家心得。2月6日下午，“SGLang上海Meetup”将在上海浦东·纳贤路800号1层正式举行。

本次Meetup将围绕SGLang技术路线、超长上下文扩展、RL后训练框架、扩散语言模型探索等议题展开深入探讨，并设有自由交流环节。诚邀开发者与研究同仁共赴现场，共同探寻LLM系统优化与落地实践的新可能。

最新日程

最新日程现已公开，扫描下方二维码即可完成报名，锁定您的专属参会资格。

活动嘉宾介绍

张柏舟：SGLang核心开发成员

个人简介：SGLang核心开发成员，主要负责开源大语言模型在不同Cuda硬件(Hopper, Blackwell)上的支持与优化工作。本科毕业于北京大学信息科学技术学院智能科学专业，硕士毕业于加州大学圣迭戈分校（UCSD）计算机专业，曾于英伟达、百度等公司实习。

郑锦煦：Omni-infer核心开发者

个人简介：华为技术专家，omni-infer社区核心贡献者，具备多年软件开发与系统设计经验，长期深耕高性能系统与工程落地。熟悉网络协议栈、分布式系统调度与资源管理、服务治理与性能诊断等。当前主要从事推理系统的方案设计与性能优化，围绕负载均衡、算子融合、KV Cache、并行策略、通信开销与端到端链路调优等方向提升吞吐、时延与稳定性，并参与推动相关能力与社区共建。

谢承兴：清华大学博士生、Slime核心开发者

个人简介：清华大学一年级博士生，是slime强化学习训练框架的核心开发者之一，具备一定的强化学习系统构建与Agentic RL训练经验。其研究方向聚焦于大语言模型强化学习、强化学习系统基础设施（RL Infra），以及如何提升大语言模型在真实世界复杂任务中的推理与决策能力。

蔡尚锟：SGLang核心开发者、Mooncake核心开发者

个人简介：阿里云飞天实验室研究员与技术专家，清华大学计算机科学与技术系博士。主要研究方向包括：高性能推理系统、大语言模型、分布式机器学习训练等。他是SGLang社区PD分离、流水线并行等特性的核心contributor和maintainer，同时也是Mooncake社区的核心成员与maintainer。

李泽寰：蚂蚁集团系统工程师、SGLang Contributor

个人简介：李泽寰毕业于上海交通大学，专注于AI Infra领域，从系统、引擎与模型层的综合视角进行优化。作为SGLang dLLM的核心贡献者，他运用该框架提升了dLLM模型的评测与强化学习效率。目前，蚂蚁集团正基于此框架构建对服务的低延迟推理能力。另外，作为机密计算领域开源项目Occlum的核心贡献者，实现了异步网络框架、运行时及SGX-SDK动态内存管理等关键模块，并推动Spark on Occlum项目落地，拥有扎实的系统开发经验。

扫码锁定线下席位

如在报名期间有任何不清楚的地方，请随时与活动小助手联系：136 6148 9516（同微信）。