ZDNet至顶网软件频道消息:艾瑞咨询统计数据显示,去年移动互联网市场继续保持高速增长态势,市场规模突破千亿元大关,PC互联网用户持续向移动端迁移。同时开发者、互联网公司、传统企业、移动创业者等多方参与和布局,移动互联网市场生态环境得到更加健康的发展,移动应用开发平台、移动广告营销、移动购物等在内的多个行业也因此风生水起。
纵观移动应用开发市场,国内外app
开发工具不在少数,国外以PhoneGap开源技术为代表,而国内App开发工具则以AppCan为代表,凭借其技术先进、性能稳定、本地化服务支持能力强等优势,AppCan备受国内开发者好评,使用范围非常广。
近日,有消息称AppCan 3.0( www.appcan.cn )版本将要上线,记者走访了AppCan技术团队,为大家一探究竟。据AppCan技术团队负责人介绍,自AppCan上市以来,一直保持一年一次的大升级频率来服务于广大开发者,不断修复和完善开发工具在使用过程中的高体验性与可靠性,来提升App开发的效率,此次3.0版本的升级,功能更为强大、稳定性更强。
为此,为开发者提前揭晓AppCan 3.0几大亮点:
AppCan作为国内Hybrid App开发模式的倡导者和领导者,一次开发,iOS、Android、Windows Phone多平台适配是其显著特点,AppCan 3.0移动应用引擎功能更强、开发更便捷,支持Hybrid App的开发和运行。完美流畅的Native交互能力,让开发者的移动应用媲美于原生体验。
AppCan IDE集成开发环境更加人性化,一改以往的控件式环境,内置应用向导、界面向导快速指导开发者入门。此外,AppCan内置了包括新闻、电商、通讯在内的数百种界面模板、多套应用模板,支持本地应用打包和本地模拟调试,可帮助开发者快速上手,高效创建本地应用。
AppCan 3.0应用模板向导
AppCan 3.0全面开放数十种插件资源,支持自定义插件扩展。同时,开发人员可以为插件上传自定义资源包,编译时替换插件默认资源,实现插件的最大化复用。例如,不同应用中城市列表不同,开发者可以通过替换插件中的城市列表资源文件的方式,实现同一插件在不同插件中提供不同数据。
AppCan 3.0提供完善的管理运营能力,包含版本开发管理、应用权限的相互转移、开发团队及开发流程管理,以及丰富强大的运营数据统计分析手段,让开发者畅享运营管理乐趣。
AppCan 3.0能够为为开发者提供向指定群组或指定用户推送即时消息的服务。支持iOS的APNS推送服务,也支持通过独立搭建的云推送服务,提供可靠的Android推送服务。
AppCan.cn 3.0为开发者/企业提供了一个集中展示和推荐自有App的窗口门户,通过它开发者可以对自己的开发的数个App一目了然,可以统一管理发布应用,应用下载也更加方便。
AppCan 3.0在各方面较2.0版本都有大幅提升,其中许多功能改善不乏众多开发者的宝贵意见与建议。AppCan产品负责人还表示,这次不仅面向开发者的AppCan.cn有大幅的升级,面向企业级客户的产品线优化升级也非常大,AppCan MEAP移动应用开发平台和AppCan EMM移动应用管理平台将能更好的满足行业客户的各种移动信息化需求。
据了解,AppCan 3.0升级后,今年下半年还会有3.1、3.2、3.3版本的不断升级。未来,AppCan要打造的是移动应用开发生态圈,提供一个完整的移动应用开发生态系统,将AppCan打造成云生态的移动PaaS平台,形成针对开发者的插件资源交互、云推送、云打包的应用商城,并且将聚合微信、云存储等一系列互联网能力资源来服务广大开发者。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。