北京时间2020年4月24日,Linux基金会亚太区(LFAPAC)与开源中国战略发布会暨LF开源软件大学联合启动仪式圆满落幕。发布会获得了多家业内知名企业的大力支持,邀请了50余家国内外新闻媒体参与直播报道。
会上,Linux基金会亚太区(LFAPAC)和开源中国运营负责人分别从全球科技人才的角度,介绍了LF开源软件大学最新的开源技术培训和认证教育资源,并与华为、百度、腾讯、中国移动的行业专家一同就开源生态的构建和展望展开讨论。
近年来,随着技术的日新月异,IT技能培训需求与日俱增。根据中信证券研究所数据统计,预计2020年国内IT教育行业市场规模达到500亿元,伴随高新技术企业对IT人才需求的攀升,未来市场仍有较大的上升潜力,预计2020-2025年复合增长率为25%-30%;到2025年,中国IT教育行业市场规模将突破500亿元。
为了给国内开发者提供便利,同时完善开源生态,Linux基金会亚太区(LFAPAC)联手开源中国,共同搭建一个国际技术交流平台(training.linuxfoundation.cn),提供本地化的一站式培训/认证服务,为中国开发者赋能,为中国企业培养具有国际视野的开源人才!
作为专门为中国开发者量身定制的线上培训平台,LF开源软件大学提供Linux基金会所有官方课程和认证考试,以及权威的师资团队和认证导师为培训品质保驾护航。与传统线下培训不同,LF开源软件大学采用灵活的线上教学模式,开发者可以随时线上自主学习,预约认证考试,还原与生俱来的“互联网基因”。
“我们欣喜的看到,这次合作将为中国开源社区和有兴趣深入学习开源软件相关知识的研习者带来诸多机遇。通过与中国领先的开源社区开源中国(OSChina)的合作,我们将触达更多感兴趣的研习者,提供更广泛的开源技术培训课程,包括为全球重要开源项目(例如Kubernetes或Hyperledger) 提供的免费课程、在线自学课程、讲师指导课程或认证考试。现在,中国作为拥抱开源软件方面的领导者,因此我们相信这次合作恰逢其时,Linux基金会也非常愿意提供培训课程和认证考试支持这些努力。”
——Jim Zemlin, Linux基金会执行董事
Linux基金会亚太区(LFAPAC)负责人杨轩表示,“Linux基金会亚太区(LFAPAC)与开源中国一直致力于推动和领导中国的开源创新运动,有着长期的合作经验和共同的理念,我们的合作伙伴都是高瞻远瞩的企业和不断追求进步的科技精英。今天,Linux基金会亚太区(LFAPAC)与开源中国强强联手,推动国际技术交流和人才交流,为社会培养更多的开源软件人才,让LF开源软件大学成为您成就事业最值得信赖的合作伙伴。”
开源中国运营负责人李晨表示,“开源中国是中国最大的开源技术社区,致力于推动国内开源软件的应用和发展,服务好本土开发者。希望这次与Linux基金会亚太区(LFAPAC)合作引入顶级开源项目,以培训的方式让国内开发者了解开源项目及其运作方式,提升本土开发者的国际化视野,同时让开源技术更好的在企业中释放价值。”
未来,LF开源软件大学将走进各大品牌院校,寻找开源的“明日之子”,联合国内外优秀开源厂商,将本土开源项目推向国际舞台,培养既具备国际视野,又熟悉本土开源环境的复合型人才,完成从“陪伴式成长”到专业实践的引导。LF开源软件大学将不仅是有本土情怀的品牌,为梦想增值的育人摇篮,更是企业最值得信赖的合作伙伴,是开源人才培养体系的终极布道师。
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
北京大学研究团队提出NExT-Vid方法,首次将自回归下一帧预测引入视频AI预训练。通过创新的上下文隔离设计和流匹配解码器,让机器像人类一样预测视频下一帧来学习理解视频内容。该方法在四个标准数据集上全面超越现有生成式预训练方法,为视频推荐、智能监控、医疗诊断等应用提供了新的技术基础。