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
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。