来这场沙龙，一览SGLang X 超长上下文扩展、RL后训练框架、扩散语言模型等前沿技术实践

在当前人工智能从“聊天”范式加速向“能办事”的智能体时代演进的关键节点，LLM 系统优化与技术落地的实践探索，更需要开发者们的深度联结与经验共创。

基于此，由 SGLang 社区、机器之心、张江孵化器联合举办线下 Meetup，让屏幕前的贡献者走到台前，让幕后优化者分享实战心法。2 月 6日下午，「SGLang 上海 Meetup」将在上海浦东·纳贤路 800 号 1 层举办。

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度解析，并设有自由交流环节。诚邀开发者与研究同仁共赴现场，探讨 LLM 系统优化与落地实践的新可能。

最新日程

最新日程正式揭晓，扫描下方报名二维码，锁定您的专属入场资格。

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)上的支持和优化。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地亚哥分校（UCSD）计算机专业，曾于英伟达、百度等公司实习。

郑锦焕：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。个人主页：https://yitianlian.github.io/

蔡尚铭：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外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。