IBM推出了一个名为Microclimate的新应用开发环境,支持多种云平台,以覆盖到更多的软件编程人员。IBM认为,Microclimate拥有开发人员为简化和加速应用创建和部署所需的一切。 Microclimate是一个“端到端的框架”,可用于开发过程的每个阶段,从编写第一行代码,到在应用投产后监控应用的性能。
Microclimate背后的主要理念是,开发人员可以在这个框架内构建应用程序,然后在任何云或IT基础设施上运行这些应用。Microclimate采用Docker容器,容器隔离应用以便应用可以轻松切换到不同的环境,包括公有云、私有云、甚至是个人笔记本电脑。
IBM混合云开发者经验副总裁Andy Hoyt在一篇博客文章表示,Microclimate的一个主要特点是支持基于微服务架构的应用开发。它让作为基于容器的应用组件的微服务能够相互协作,不管这些微服务是在哪里创建的。Microclimate还与IBM Cloud Private进行了集成,后者是IBM基于容器的平台,用于开发本地软件或私有云中的软件。
Microclimate的另一个主要特点是支持多种框架、运行时间、集成开发环境、工具链和管道。这意味着开发人员可以使用他们熟悉的工具和服务在这个平台上构建应用。
Hoyt表示:“我们创建Microclimate的目标是简化开发过程,因此你可以把更多的时间用于编写代码,而不用那么多时间在尝试拼凑创建出色应用所需的所有服务。”
Microclimate的其他功能包括集成的诊断服务,以帮助解决开发过程中可能出现的任何问题,还有集成的DevOps管道,帮助开发人员更快地完成他们的创建。
免费社区版Microclimate已经可以下载。
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。