至顶网软件频道消息: “互联网+”时代,云计算正快速进入各行各业,成为众多企业的底层IT设施基础,但面对发展新形势,人才匮乏以及人才增长跟不上企业创新需求已经成为当前中国互联网科技领域亟需解决的难题之一。为此,UCloud推出了技术社区(社群)百万奖金资助计划,旨在帮助技术爱好者实现科技梦想,助力中国技术生态建设。
该计划的具体资助内容包括:提供1万元UCloud云服务器资源赞助,产品配置不限,可根据自身需求随心搭配,最高不超过1万元;客户引入现金返利,每10个用户通过社区渠道注册UCloud,该社区可以获得500元或者等值京东卡的返现奖励;另外还有品牌推广资源赞助,每年数十场UCloud线上线下活动合作伙伴广告位露出及其他广宣资源等。资助对象则涵盖了所有中文技术社区和组织,UCloud将从报名队伍中筛选出100个社区(社群)进行资助。
今年3月29日,在Think in Cloud2017(简称“TIC2017”)大会上,UCloud联合创始人兼CEO季昕华宣布,公司再获9.6亿元人民币D轮融资,成为目前国内融资总额最高的云计算公司。然而,企业发展壮大的背后意味着需要承担更多的社会责任,这也是UCloud实施本次赞助计划的原因之一。
“我们清醒的认识到,作为技术驱动的云计算公司,UCloud的发展得益于技术不断精进和沉淀,也在于技术人才的积累;而技术社区正是中国技术生态中最原始、最动人的形态,这里聚集了一批有纯粹理想的技术人才,希望通过我们的努力,能够帮助大量技术爱好者学习、成长。”季昕华说。
云计算是典型的技术驱动行业,因此良好的技术生态环境是行业快速、健康发展的基础。在过去的五年里,UCloud已赞助了包括Linux中国、Testerhome社区、RubyChina、MongoDB中文社区、PHPhub、Cnode.js等在内的近百家开源技术社区(社群),覆盖各个热门语言、热门框架和各类研发方向与技术人群,为其提供了稳定的云服务。
例如,获得UCloud赞助的Linux中国是一个专注于 Linux 技术、资讯和传播开源理念的中文社区,旗下的LCTT是中国最大的翻译志愿者技术社区之一。另一个Testerhome社区则是国内最大测试工程师聚集的社区,以及人气最旺的软件测试技术门户,提供软件测试社区交流与测试沙龙。
此外,UCloud每年还举办数十场线上线下的免费技术分享活动,DevOps技术分享已经走过了上海、北京、广州、成都、杭州等多个城市,深受技术爱好者欢迎。
季昕华表示,互联网技术已经进入大数据、人工智能和云计算融合发展的阶段,将深度结合并改造传统行业,创造新机遇,所以UCloud还可以做的更多、更好,出资100万元赞助100个技术社区(社群)也是为了全面助力中国技术生态,帮助更多技术社区和组织快速发展成长,进一步帮助企业实现业务与技术向“互联网+”转型。
据了解,UCloud启动技术社区(社群)百万奖金资助计划只是第一步,后续公司将会打造《中国技术社群英雄谱》,对中国各类技术社区、社群、用户组、邮件列表、技术活动、风云人物等进行系统化的梳理,对中国技术生态做出全景化的集中展示,目的是让越来越多的技术爱好者能够更快、更好地融入技术人的“江湖”。
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。