第 29 届中国计算机系统研讨会（ChinaSys 2025）将于 12 月 27 日- 12 月 28 日，在吉林长春举办。ChinaSys 是中国计算机系统及相关领域的学术团体，宗旨是为本领域的研究者和从业者提供资源共享、交换思想和会晤的平台，交流和探讨系统领域的最新研究成果，促进中国计算机系统行业的发展。
阿里云大数据 AI 团队将深度参与ChinaSys 2025。PAI 团队将在 ChinaSys 2025 带来演讲，与参会者分享大模型长上下文微调中的高效动态数据调度方案 Skrull。同时将在阿里云展台为大家揭秘 Qwen3 训练端到端加速比提效 3 倍的核心技术、分享阿里云大数据 AI 平台的最新研究成果和技术思考，更有核心研发团队面对面交流的机会！
大模型长上下文微调中的高效动态数据调度 Skrull 技术揭秘
长文本处理能力是大语言模型的一项核心技能，直接影响很多下游任务的效果。目前，业界主要通过继续预训练和长上下文微调来提升模型在这方面的表现。这类训练通常使用精心构造的数据集，而数据集在序列长度上往往有着极度长尾或双峰分布的特点，对现有训练系统提出了很大挑战，系统很难在长短样本之间高效调度资源，常常导致整体训练效率低下。
PAI 团队在 ICML 2025 上发表[长序列训练优化 ChunkFlow](工作后，再度提出高效动态数据调度方案 Skrull，进一步从上下文并行和负载均衡的角度，优化系统训练性能。Skrull 研究成果被 NeurIPS 2025 收录，《Skrull: Towards Efficient Long Context Fine-tuning through Dynamic Data Scheduling》（https://arxiv.org/abs/2505.19609），同时获邀在 ChinaSys 2025 与参会者分享其技术原理。
大模型长上下文微调中的高效动态数据调度 Skrull 设计思路
实测表明，Skrull 相比基线平均提速 3.76 倍，最高达 7.54 倍，为高效长上下文训练提供了实用的系统优化思路，充分验证了 Skrull 在长上下文微调中的性能与价值。
Skrull 在不同 Qwen 模型尺寸和数据集上的系统性能收益
ChinaSys 现场交流
1. 阿里云展台
会议期间，阿里云大数据 AI 团队将在阿里云展台与大家共同探讨系统领域研究创新，为大家揭秘 Qwen3 训练端到端加速比提效 3 倍的核心技术，以及分享阿里云大数据 AI 平台的最新研究成果和技术思考，期待您前往交流、体验！
时间：12月27日-12月28日，会议期间全天
地点：吉林大学 前卫南区 — 敬信报告厅
2. 产业论坛演讲
阿里云 PAI 团队受邀，将为参会者带来大模型长上下文微调中的高效动态数据调度方案 Skrull 技术分享。
时间：12月27日 下午 17:15
地点：吉林大学 前卫南区 — 敬信报告厅
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。