微软通过两个新项目来解决云计算开发人员面临的问题。微软和阿里云开发的开放应用程序模型(OAM)是一个Open Web Foundation项目,它是在Kubernetes上构建云原生应用程序的规范。Dapr是一种可移植的事件驱动型运行时,用于构建可在云和边缘设备上运行的微服务应用程序。
本周早些时候,Twitter上的The Waking Cat(@ h0x0d)发现了OAM的GitHub存储库。(正如Cat所发现的那样,OAM的代码代号为Hydra。)他还发布了指向Rudr的链接,这是OAM的实现,按照GitHub的描述,Rudr目前处于Alpha阶段,允许用户在任何Kubernetes集群上部署和管理应用程序,而无需担心应用程序开发人员和操作人员。
微软的官员在10月16日的博客文章中表示:“OAM是用于描述应用程序的规范,以便将应用程序描述与如何部署应用程序以及基础架构如何对其进行管理等细节分开。”官员们表示,与更传统的平台即服务(PaaS)模型不同,OAM与平台无关。尽管Rudr是建立在Kubernetes之上的,但它“并没有与Kubernetes紧密绑定”。
微软的高管表示,他们的目标是将OAM引入GitHub上Kubernetes的供应商中立实施之中。微软的高管们告诉TechCrunch,随着时间的推移,微软可能会将OAM变成托管服务,就像阿里巴巴所做的那样。
微软将Dapr描述为“云计算和边缘计算的微服务积木”的集合,这也就意味着它是与平台无关的。微软的官员们表示,Dapr将支持“所有的编程语言和开发人员框架”,并且可以通过标准HTTP或gRPC编程接口进行访问。
微软的高管们在10月16日发布的博客文章中介绍了今天发布的Dapr alpha版本:“Dapr完全与平台无关,这意味着你可以在任何Kubernetes集群以及其他与Dapr集成的托管环境中本地运行你的应用程序。这让开发人员可以构建出能够同时在云端和边缘运行的应用程序,而无需对代码进行任何修改。”
我很好奇这些新规范是否能够适应微软目前的PaaS产品——其中包括Azure Kubernetes Service(AKS)和Azure Service Fabric,以及它们是如何进行适应的。听起来我们将在11月第一周举办的微软Ignite大会上听到更多来自Azure首席技术官Mark Russinovich的信息。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。