微软近日开源了两款面向云开发者的新应用开发工具,其中包括专门用于在Kubernetes上构建云原生应用的Open Application Model,以及用于在云和边缘设备上构建基于微服务的应用的可移动事件驱动运行时Dapr。
微软表示,正在与阿里云在OAM上展开密切合作,旨在简化由Kubernetes管理的应用的开发和部署,这将会立即吸引来成千上万开发者的兴趣,因为Kubernetes是管理可在任何类型计算平台上运行现代容器化应用的最广泛使用的编排软件。
微软在一篇博客文章中解释说,OAM是一项描述应用的规范,可确保应用描述“与如何将应用部署到基础设施并由基础设施进行管理的细节进行分离”。微软表示,这种分离是有道理的。“将应用定义与集群操作细节分离开,可以让应用开发者专注于应用的关键要素,而不是部署位置的操作细节上。”
此外,这种分离实现了开发可快速与任何应用代码集成的可复用组件,从而让开发者更快、更轻松地构建更可靠的应用。微软表示:“因此,Open Application Model的目标就是让简单应用变得更简单,让复杂应用变得易于管理。”
Constellation Research分析师Holger Mueller表示,Kubernetes已经成为最受欢迎的容器应用使能技术,现在市场竞争的都是围绕如何访问Kubernetes集群、描述负载以及如何恰当构建应用的标准展开的。
Mueller说:“现在没有哪家厂商敢提出专有的标准,因此开源就是一种工具,现在,微软拿出了可描述应用的OAM。如果没有关键参与者的认可,开源标准就没有多大价值,因此很高兴看到阿里巴巴的加入。”
Dapr还旨在减轻开发者的负担,为运行在任何基础设施上的云和边缘应用提供了一组“微服务构建块”。微软方面表示,Dapr现在仍处于早期测试阶段,未来将支持所有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。
微软表示:“ Dapr是与平台无关的,意味着你可以在任何Kubernetes集群以及与Dapr集成的托管环境中本地运行应用。这让开发者能够构建可运行在云和边缘而无需更改代码的微服务应用。”
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。