演讲主题：多模态大模型动态训练与推理优化的协同实践
主题介绍：\n
本次分享将集中于大模型与多模态技术演进及强化学习问题的探讨，系统性地回顾其演进路径，并深入探讨以下关键方向：\n
1. 课程学习（Curriculum Learning）：从静态数据采样到动态难度调整，如何通过渐进式训练策略提升模型收敛效率；\n
2. 针对思维优化如何缓解“过度思考”（Overthinking）问题进行分析，探索推理步骤与模型性能的平衡；\n
3. 推理加速MTP；\n
4. 模型效果提升Infer Scaling的实践；\n
5. 强化学习结合大模型GRPO。\n
\n
主题大纲：\n
1. 系统性地回顾大模型和多模态大模型演进路径、训练方法；\n
2. 课程学习（Curriculum Learning）：从静态数据采样到动态难度调整，如何通过渐进式训练策略提升模型收敛效率；\n
3. 思维优化如何缓解“过度思考”（Overthinking）问题分析，探索推理步骤与模型性能的平衡；\n
4. 强化学习结合大模型GRPO；\n
5. 推理加速MTP；\n
6. 模型效果提升Infer Scaling的实践。\n
\n
听众收益：\n
了解强化学习发展路径以及后续问题，多模态大模型发展及现有问题。
