Apple 于本周一发布了一个开源的容器化框架,用于在 Mac 上创建和运行 Linux 容器镜像。
软件容器将应用程序及其依赖项组合成一个单元,在主机上运行于隔离环境中。由于它们基于符合 OCI 标准的镜像,用户可以借助 Kubernetes 等常用的编排工具在各种服务器环境和数据中心运行它们。
开发者通常选择使用 Mac,因为其硬件稳定且开发环境优秀,但他们可能正在编写运行于 Linux 环境中的服务器端应用或其他应用。对这些开发者而言,创建 Linux 容器让他们既能使用 Mac,又能获得与其代码目标一致的运行环境。
使用 Mac 的开发者目前已有一些创建 Linux 容器的选择,如 Docker、Podman、Orbstack 和 Lima。但至少在过去,Docker 和 Podman 的表现并不十分理想。
借助全新的 Apple 容器化框架,Apple 旨在提供一个开源平台,该平台利用 Swift 编程语言的优势,对 Apple Silicon 芯片进行优化,同时将安全风险降至最低。
与创建一个大型 Linux 虚拟机来承载多个容器不同,Apple 容器化框架借助其配套的容器 CLI 为每个容器创建一个独立的轻量级虚拟机(VM)。
Apple 的文档解释道:“客户端可以为每个容器创建专用 IP 地址,从而免去单独进行端口转发的需求。容器借助优化的 Linux 内核配置、最小化的根文件系统和轻量级 init 系统,实现了亚秒级启动速度。”
这种最小化文件系统有望使 Apple 容器更为安全。通过排除大部分核心工具和动态库,生成的容器减少了攻击面,并且预计所需的维护工作也更少。
据 Apple 介绍,使用其容器工具创建的容器所需内存比完整虚拟机少,同时启动速度可与共享虚拟机相媲美。
这就是其愿景。目前,该框架仍存在一些限制。Apple 设计这一框架时采用了尚未发布的 macOS 26 Tahoe 中的功能,在 macOS 15 Sequoia 上其能力则较为有限。(是的,macOS 的版本从 15 变为 26——命名方式正从版本号转为年份。)此外,对内存气球技术(一种允许虚拟机动态调整内存大小的方法)的支持目前仅实现了部分功能。
但在未来几个月内,Apple 容器化框架或将使使用 Linux 容器的工作变得更加便捷。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。