创院〔2026〕7号

yl88858cc永利官网“SwanLab×CANN大模型技术训练营”圆满落幕

为深入探索“AI+教育”的创新育人模式，提高同学们对前沿大模型技术的认知水平与应用能力，增强同学们在真实场景中运用项目式教学理念进行协同攻关、方案设计的综合素养，学校与SwanLab和CANN开源社区联合打造的“SwanLab×CANN大模型技术训练营”于4月18—19日在学综搂三层创客空间圆满落幕。本次训练营从230个报名学生中遴选出来自7 个学院的44名学员参训，营员覆盖本硕博各年级。训练营邀请到AI领域一线工程师和领域专家为营员授课，整合CANN国产算力底座与 SwanLab 轻量化实验工具链，围绕Qwen3等国产大模型开展系统化实训，构建起“国产算力（CANN）+ 国产工具（SwanLab）+ 国产模型（Qwen等）”的全栈教学闭环。

训练营首日，情感机器（北京）科技有限公司（以下简称“情感机器”）CEO谭茗洲强调了AI在当今时代的颠覆性与重要性。CANN开源技术委员会委员、标准和产业高级专家田军，情感机器首席科学家吴家骥从神经网络基础出发，讲解前向传播、反向传播与梯度下降等核心概念，帮助营员理解Transformer架构的工作机制、注意力机制的本质以及大模型能力的来源，为后续微调实践建立理论基础。

理论课上，AI解决方案架构师韩翔宇详细讲解了AI预训练和后训练的原理，尤其细致地讲解了分词器在大语言模型中的作用，介绍 BPE、WordPiece、SentencePiece 等主流分词算法的原理与差异。韩翔宇老师带同学们在国产算力环境下，使用TRIO微调框架对Qwen3-0.6B模型进行端到端的指令微调。同学们可视化地看到大语言模型训练和微调的代码，深入体验了大语言模型训练的流程。SwanLab产品技术负责人陈少宏讲解如何通过改变提示词提高相同模型使用相同数据的准确度，梳理当前主流大模型的架构设计与技术演进。在实践环节中，营员们亲手完成了Tokenizer 的使用与调试，掌握了相关平台的实际操作能力。

通过理论与实践交叉，同学们深入体验学习了大语言模型训练和微调的过程，掌握了从平台操作、功能配置到调试部署的过程，培养了技术加应用的思维方式。全栈国产技术环境下的系统化训练让学员们增强了对国产算力的了解，为未来参与国产 AI 芯片、国产大模型、国产工具链生态建设筑牢基础。

文字、编辑：魏以诺 陈娜

图片来源：高昌琦 石採清

审核：王丽梅 赵艳