Mozilla发布了其网络浏览器的最新版本,缓解了Linux用户长期存在的困扰问题,但同时也让其"AI"集成变得更加普遍。
Firefox 141是Mozilla浏览器的最新正式版本,与此同时,最近两个ESR版本也发布了点更新版本。上个月我们报告了Firefox 140,现在已经更新到Firefox 140.1.0版本,同时还有Firefox 128.13.0版本。
本次发布的变更相当微小,但我们认为相当多的Linux Firefox用户会对这些变更表示欢迎。Firefox的四周发布周期意味着新版本频繁推出——上个月的140版本已经更新到140.0.4版本。这意味着大多数Linux发行版都将保持Firefox最新状态作为优先事项。Ubuntu及其许多衍生版本通过Snap包的形式提供Firefox,snapd系统守护进程会在系统空闲时在后台安装更新。你可能完全没有察觉到这一点,直到现在你会收到消息提示需要重启Firefox。
但现在不再如此!即使程序在后台更新,你也可以继续使用它,直到有时间关闭应用程序并重新启动。
**后台更新**
这不仅是snap用户面临的问题。其他发行版也可以在后台刷新和更新其软件包,包括Debian的原生.deb包使用unattended-upgrades服务,该服务在Debian和Ubuntu上默认安装并运行。
尽管网上有多篇关于如何禁用此功能的文章,但这并不是一个坏主意:在用户甚至不知道需要安全修复之前就静默安装它们,让生活变得更加安全。在几个月前安装的PiHole上,我们配置unattended-upgrades安装所有可用升级,并在凌晨3点左右根据需要自动重启。我们大约每月检查一次,它总是保持最新状态。对我们来说,这是理想的:它是一个专用机器,不做其他任何事情。
我们的建议是:不要关闭它,而是将其调至最大。
除了在后台升级后能够继续工作的能力外,Linux用户还应该看到它使用更少的内存。(我们自己还没有看到这一点,因为我们大多数Linux机器运行替代的Waterfox分支,它仍然基于版本128,基于版本140的版本仍在测试中。)
这些都是受欢迎的变更,但不全是关于Linux的。像往常一样,新版本也有macOS和Windows版本。另外两个变更在发布说明中获得了更高的关注度,可能是因为它们适用于所有主要平台的用户。
在愚人节发布的Firefox 137中重新出现的标签组功能,现在具有AI增强的组命名功能。是的,一个大语言模型机器人会启动并尝试为标签组建议合适的名称。Mozilla的管理层什么时候才能学会察言观色?公告说这是在设备上进行的,所以至少不会在数据中心的某个地方启动一整架服务器来全速运行。
此外,如果你像所有明智的正直人士一样使用垂直标签栏,那么标签栏底部的小控制区域现在可以调整大小。我们完全赞成这个变更。我们已经在所有机器上移除和禁用了垂直标签栏插件,并切换到原生实现,同时禁用AI聊天机器人集成。额外的控制很方便,但能够缩小它们是受欢迎的。
合并的搜索和URL栏现在可以在浏览器内进行单位转换。这听起来确实很方便;Google过去可以做到这一点,但自从最近的恶化以来,它对我们不再有效——尽管这可能是我们自己的去恶化调整。更多国家获得地址自动完成功能,Firefox的设备端机器翻译增加了九种语言。
Windows用户现在获得WebGPU支持,这意味着Javascript应用程序可以直接调用计算机的3D加速器。这将在Mac和Linux上及时跟进。(有趣的是,这是苹果发明的。)在Windows 11上,Firefox现在会获取操作系统的字体设置用于某些控件。
几乎都是好消息——好吧,除非像这只秃鹫一样,你对任何与"生成式AI"相关的东西都充满激情地反对,否则都是好消息。继续更新吧,把Chrome留给定制车辆爱好者。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。