做大模型后训练，你是否也遇到过这些问题：
• GPU 配了，利用率却上不去；
• 模型权重同步拖慢迭代；
• 显存总是不够用；
• 训练和推理各有一套链路，接起来、调起来都费劲。
这些问题，也是 AReno 这次大会分享要讨论的内容。
2026 年 11 月 20—21 日，AReno 将来到 SITS 2026 奇点智能技术大会。AReno 研发同学 苏乐，将带来主题分享：
《破局大模型后训练：AReno 训推一体架构设计》
我们也准备了福利，邀请关注 AReno 的开发者一起到现场，聊聊后训练中的实际问题。
在此之前，我们先来认识一下 AReno 👇🏿
AReno 是由蚂蚁 ASystem 团队发起、开源社区共同维护的大模型后训练工具包，面向单机上的强化学习后训练，也支持 SFT、DPO、本地模型服务和 Agentic RL。项目采用自包含的全栈设计，将训练与推理放进同一套技术栈，方便开发者在本地开展实验、验证想法。🔗 访问 AReno 开源项目（https://github.com/inclusionAI/AReno）。
对于想尝试后训练的开发者，我们希望减少环境搭建和系统拼接的负担；对于已经在做相关工作的同学，我们也希望把底层设计和工程取舍摊开，一起讨论还有哪些地方可以改进。
这次分享，就从这些具体问题讲起。
🗣️ 现场会聊些什么？
1. 后训练的系统瓶颈，究竟卡在哪里？
围绕 RLHF、DPO 等后训练任务，讨论 GPU 利用率、权重同步、显存占用，以及训练和推理链路割裂带来的问题。算法之外的系统开销，是这场分享的关注重点。
2. AReno 如何设计训推一体架构？
从算法接口、模型适配到训练与推理引擎，介绍 AReno 如何组织各层能力，以及这些设计背后的考虑。希望让大家了解一项训练任务在系统内部如何运行，也方便后续扩展和适配。
3. 性能和资源优化，有哪些工程取舍？
权重同步、融合算子、低比特优化器、显存卸载，这些都是本次分享会涉及的内容。我们会结合实践，聊聊为什么这样设计，以及不同选择带来的影响。
4. 看一次 ARenoflow Demo
本次分享还将演示 ARenoflow：用 Agent 从自然语言生成训练配置，串联训练、诊断与部署。欢迎来现场看看这条流程，也带上你的使用场景和问题。
如果你正在做大模型后训练、强化学习或 AI Infra，或者想读一读训练框架的实现，这场分享欢迎你来。
社区赠票：把你关心的问题留在 Issue 里
AReno 社区准备了本次大会的门票赠予开发者。欢迎前往项目的 Issues 页面（https://github.com/inclusionAI/AReno/issues/664），分享你关心的话题，参与交流，也有机会获得大会门票。
不知道从哪里聊起？可以说说：
•你正在做什么后训练任务，最头疼的工程问题是什么？
•使用 AReno 时，有哪些体验、问题或改进建议？
•对训推一体架构，你最想了解哪一部分？
•这次现场分享，你希望我们展开讲什么？
已经有人提出相同的问题，也欢迎在相关 Issue 下补充你的场景和尝试过程。有具体配置、复现步骤或实验现象，讨论起来会更有帮助。
赠票名额、参与截止时间及领取方式，详见 Issues 页面（https://github.com/inclusionAI/AReno/issues/664）。
参会信息
大会：SITS 2026 奇点智能技术大会
时间：2026 年 11 月 20—21 日
地点：中国·北京万达文华酒店
讲师：苏乐
议题：《破局大模型后训练：AReno 训推一体架构设计》
大会详情：大会官网（https://ml-summit.org/）
欢迎先到 GitHub 看看 AReno（https://github.com/inclusionAI/AReno），玩一玩项目，提一提问题，也欢迎参与贡献。
11 月，北京见。带上你的问题，我们现场聊～