feat: 初始化课程仓库 - 5章完整内容 第1章：大模型训练的网络需求与挑战 第2章：OpTel 光网络秒级故障探测与定位 第3章：FlexWAN 大规模高速弹性光网络 第4章：MegaTE 应用级百万节点流量工程 第5章：总结与未来研究方向 添加 CC BY-SA 4.0 许可证
feat: 初始化课程仓库 - 5章完整内容
随着大模型（LLM）参数规模的指数级增长，单数据中心集群训练面临算力瓶颈、GPU 碎片化和跨域协作等严峻挑战。本课程系统介绍大规模分布式 AI 应用中的高速跨域互联网络关键技术，涵盖从底层光网络故障检测到应用级流量工程的完整技术栈。
课程内容基于三篇顶级学术会议论文（NSDI’22、SIGCOMM’23、SIGCOMM’24），由腾讯网络技术团队的研究成果提炼而成，兼具学术前沿深度与产业实践价值。
通过学习本课程，您将：
前置知识：具备计算机网络基础知识（OSI 模型、TCP/IP 协议栈），了解基本的光通信原理，了解分布式系统和大规模 AI 训练的基本概念。
本课程秉持”做中学 (Learning by Doing)”原则，每章配有思考题和延伸阅读任务：
核心要求：学习者需跟随章节进度，逐步构建自己的知识体系。
本项目采用 Issue 评论打卡 的方式。完成每章学习后，在对应 Issue 下提交您的学习成果。
欢迎所有学习者参与贡献！
贡献方式：
本课程采用 CC BY-SA 4.0 开源许可证。您可以自由分享和改编本课程内容，但需注明出处并以相同方式共享。
大模型训练和推理中的高性能网络——智能时代的新型网络架构与技术：学术前沿与产业实践
版权所有：中国计算机学会技术支持：开源发展技术委员会 京ICP备13000930号-9 京公网安备 11010802047560号
大模型训练和推理中的高性能网络——智能时代的新型网络架构与技术：学术前沿与产业实践
1. 课程概述
随着大模型（LLM）参数规模的指数级增长，单数据中心集群训练面临算力瓶颈、GPU 碎片化和跨域协作等严峻挑战。本课程系统介绍大规模分布式 AI 应用中的高速跨域互联网络关键技术，涵盖从底层光网络故障检测到应用级流量工程的完整技术栈。
课程内容基于三篇顶级学术会议论文（NSDI’22、SIGCOMM’23、SIGCOMM’24），由腾讯网络技术团队的研究成果提炼而成，兼具学术前沿深度与产业实践价值。
2. 学习目标
通过学习本课程，您将：
3. 适合的学习者
前置知识：具备计算机网络基础知识（OSI 模型、TCP/IP 协议栈），了解基本的光通信原理，了解分布式系统和大规模 AI 训练的基本概念。
4. 课程结构
5. 实操演练
本课程秉持”做中学 (Learning by Doing)”原则，每章配有思考题和延伸阅读任务：
核心要求：学习者需跟随章节进度，逐步构建自己的知识体系。
6. 课程打卡指引
本项目采用 Issue 评论打卡 的方式。完成每章学习后，在对应 Issue 下提交您的学习成果。
打卡任务列表
7. 共创与贡献
欢迎所有学习者参与贡献！
贡献方式：
8. 许可说明
本课程采用 CC BY-SA 4.0 开源许可证。您可以自由分享和改编本课程内容，但需注明出处并以相同方式共享。
参考资料