10月18日 北京 今日,全球领先AI赋能DevSecOps一体化平台极狐(GitLab)在北京举办了主题为“创新启变 聚焦增长”的媒体沟通会。极狐(GitLab)CEO柳钢就“中国企业数字化转型、软件研发、技术自主可控等热点问题,以及AI大模型时代下,公司未来发展的方向与趋势”同到场嘉宾与媒体进行了深入探讨。
今年7月,柳钢入职极狐(GitLab),成为公司首席执行官,并担任公司董事。柳钢曾就职于Oracle、SAP、微软等多家知名互联网高科技企业,入职极狐(GitLab)之前,在商汤科技公司任职7年,以公司合伙人级别核心高管的身份,先后担任商业体系及业务发展负责人、新兴创新事业群(EIG)总裁等重要领导岗位,经历了商汤从初创到发展壮大、以及IPO和上市后二次创新开拓等各个阶段,在企业数字化转型、技术创新、AI以及现代化企业战略管理领域积累了丰富的从业经验。
在经济增长承压和全球经济不确定因素增加的当下,数字化转型是企业降本增效、保持竞争力的重要途径。柳钢表示,“作为强大、可靠、AI 赋能的一体化开源DevOps平台,极狐(GitLab)在中国有数百万的用户和数万家企业用户,其品牌价值和潜力巨大。尤其在‘软件定义世界’的时代,极狐(GitLab)正面临着前所未有的机遇,这也是我选择加入公司的一个重要因素。”
坚持本土自主可控 打造开源一体化DevSecOps平台
公开资料显示,极狐(GitLab)成立于2021年3月18日,由GitLab公司技术入股,与投资方红杉宽带和高成资本合作成立,是首家在“中外合资3.0”架构下落地中国,并拥有国外领先技术和品牌独家授权,且在国内独立运营的高科技企业。
“将关键核心技术牢牢掌握在自己手中,强化信息产业安全保障能力,是国家对数据信息产业最基本的要求。”柳钢表示,“极狐(GitLab)自主可控3.0模式凭借中外合资优势,既能将国际领先的开源代码引入到国内,又能借助数百万的GitLab注册用户,从本地需求出发,持续推动开源DevOps技术的发展和落地,助力中国企业实现真正的降本增效。”
GitLab是全球软件开源的典范,极狐(GitLab)坚守开源理念和精神——产品开源且代码开放,从根本上满足用户对软件应用安全可控的需求。“坚持公司与客户的合作共赢,坚持长期主义。”柳钢介绍,“GitLab从2011年成立以来从未中断月度发版和安全补丁发布,截至目前已发布139个月度版本,总计功能数超过300,每月至少新增10个功能。极狐(GitLab)也延续了这一传统。”数据显示,创立不到两年时间,极狐(GitLab)代码贡献量已位居GitLab开源项目全球第二位。与此同时,极狐(GitLab)在注册用户、客户、营收等多个维度保持了高速增长,收获了来自互联网、AI、医疗、汽车等多个行业超过300家标杆客户,同时为数百万中国程序员提供服务。
目前,极狐(GitLab)已经推出了“极狐GitLab一体化安全DevOps平台”、“极狐GitLab SaaS(JihuLab.com)”等本地化解决方案,加速和优化企业软件开发生命周期,为企业客户的数字化转型落地提供更安全、高效的本地化产品和服务。
坚持订阅制 推动AI战略加速进入发展快车道
软件与服务的订阅制以及永久使用权收费是软件行业两种不同的商务模式。在收费模式上,极狐(GitLab)坚持订阅制收费。对此,柳钢解释:“极狐(GitLab)选择订阅制有两方面的考量。一方面,对于客户来说,订阅制为客户带来了灵活性与先进性,订阅制年费门槛低,客户既可以快速采购、部署、受益,又可以一直享用最新版。另一方面,对极狐(GitLab)来说,订阅制模式倒逼公司产品快速迭代、服务不断升级,敦促自身把产品做好、把客户服务好,陪伴客户一起成长。”
据了解,极狐GitLab目前有基础版、专业版、旗舰版三个版本,能够满足从个人到企业,从基本的代码管理、CI/CD能力,到企业级部署方案、开箱即用的DevSecOps解决方案等多元化需求。全球数万家企业正在通过GitLab企业级DevOps实践提升软件开发生产效率,加速产品迭代,并在保障软件质量合规的前提下,有效降低企业开发运维成本。
媒体沟通会上,关于大模型AI对行业的影响也成为众人关注的焦点。对于程序员未来会不会失业、AI是否会代替人类等热门问题,柳钢认为:“这是一个软件无处不在的时代,中国有1000万程序员,限制程序员发展的从来都不是年龄,而是核心竞争力。就像我们的产品研发宗旨——坚持以实用、好用为导向构建产品核心竞争力。”在AI战略方面,当前极狐(GitLab)正在探索以国内本土AIGC/LLM为能力支撑,结合“GitLab DUO”AI解决方案,打造本地化AI赋能DevSecOps平台,逐步将AI能力应用到软件的代码管理、审核、测试、CI/CD、安全等领域。
柳钢透露,预计从2024年开始,极狐(GitLab)将步入AI战略的快车道,陆续发布多项AI功能,让广大企业客户的需求与极狐GitLab的AI功能深度融合,提升核心竞争力并且从中获益。“我们不会利用AI的新奇效果来制造热点,而是务实地利用强大可靠的AI能力来进一步拓展和提升我们的产品功能。”
沟通会最后,柳钢表示:“未来,我们将在AI和安全两个层面持续发力,致力于为客户提供更优质的产品和服务,助力中国企业的创新加速与数字化转型,同时为中国的数字经济发展贡献一臂之力。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。