至顶网软件频道消息: 几乎所有Linux的开发工作都是公开进行的。少数例外情况之一是各大公司或黑客向Linux开发人员揭示未修补的安全漏洞。在这些情况下,这些问题首先在封闭的linux-distro列表中显示出来。现在,无论你是否相信,微软推出了自己的Linux发行版,并且已经提出要求加入这个受限制的安全列表。
这个列表——Linux-distros,包括来自FreeBSD、NetBSD的开发人员和大多数主要Linux发行商。包括Canonical、Debian、Red Hat、SUSE和云Linux供应商,例如Amazon Web Services(AWS)和Oracle。
该列表的目的是“报告和讨论尚未公开的安全问题(但即将公布)”。“即将”是指多久呢?该列表的维护人员要求安全漏洞在向组显示之后,保密期不超过14天。例如,英特尔的CPU Meltdown和Spectre安全漏洞就不会在linux-distros上讨论。已公开讨论的安全问题则在OSS-Security邮件列表中处理。
微软Linux内核开发人员Sasha Levin——是的,现在有这样的人——要求微软获得访问该列表的权利,简而言之,因为微软是Linux的发行商。
具体来说,微软提供了几个类似发行版的版本,这些版本不是现有发行版的衍生版本,而是基于开源组件。包括:
Ÿ Azure Sphere:这种基于Linux的物联网设备专用版本可以为已经部署的物联网设备提供安全更新。由于该项目即将结束公开预览并进入GA阶段,我们估计有数百万台这样的设备将被公开使用。
Ÿ 适用于Linux v2的Windows Subsystem(WSL2):这是一个基于Linux的发行版,在Windows主机上作为虚拟机运行。WSL2目前可供公众预览,并计划在2020年初进入GA阶段。
Ÿ Azure HDInsight和Azure Kubernetes服务等产品为基于Linux的发行版提供公共访问。
此外,Levin表示:“微软通过微软安全响应中心(MSRC)解决安全问题已经有数十年的历史了。虽然我们能够快速(<1-2小时)构建一个版本来解决已经披露的安全问题,但是在我们公开这些版本之前,需要进行大量的测试和验证。成为这个邮件列表的成员将为我们提供额外的时间,以进行广泛的测试。”
所有这些说法都很有道理。此外,Levin在讨论的后续报告中透露:“我们的云上的Linux使用已超过Windows,而且作为MSRC的副产品,我们已经开始接收来自用户和供应商的Linux代码问题的安全报告。对于Windows和Linux常见的问题(例如那些推测性硬件错误)也是如此。”
Linux稳定分支内核维护者Greg Kroah-Hartman支持Levin。 “他是一位长期的内核开发人员,几年来一直在帮助稳定的内核版本,对稳定的内核树具有完全写入权限。”
事实上,Kroah-Hartman“曾经在大约一年前建议微软加入linux-distros。”
“很明显,他们正在成为一家Linux发行商,很高兴看到他们现在会这样做。”
虽然有些人仍然将微软当成是Linux的敌人,但是微软似乎被视为一个完整的Linux开发合作伙伴。正如Canonical Linux内核工程师Tyler Hicks所写:“他们对更大的Linux社区有益,我觉得他们直接参与linux-distros会让其他成员受益。”
预计在未来几天内,将会对微软的会员请求进行投票。如果微软不被允许加入该列表,我会感到非常惊讶。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。