Meta将把React、React Native和JSX(JavaScript XML)贡献给新成立的React基金会,该基金会隶属于Linux基金会。Meta表示"重要的是不能让单一公司或组织占据过度主导地位。"
React基金会将从七家企业成员开始运营,包括亚马逊、Callstack、Expo、Meta、微软、Software Mansion和Vercel。基金会的职责包括维护React的基础设施和商标、组织React大会以及赞助React生态系统。首任执行董事将由Meta的React负责人Seth Webster担任。
React由Facebook于2013年创建,是最受欢迎的JavaScript框架。(Facebook于2021年更名为Meta。)最新的JavaScript现状调查显示,超过80%的受访者在使用React。React Native是基于React的跨平台UI框架,虽然不如网页版React那样占主导地位,但微软是其重要用户。React的使用率可能还受到AI编程工具日益普及的推动,根据我们的经验,这些工具在没有特定提示的情况下往往默认使用React框架。
Webster和其他团队成员表示"React已经超越了任何一家公司的范畴。"除了成立基金会,计划还包括创建一个独立的技术治理结构,团队相信这将确保没有单一厂商占据主导地位。
如果React获得真正独立的治理,这将是及时的,因为生态系统中对厂商参与存在一些不满,特别是针对Vercel的担忧,Vercel是基于React的Next.js框架的赞助商。21人的React核心团队包括5名Vercel员工、14名Meta员工和2名独立成员。Next.js在React文档中被推荐为"充分利用React架构创建全栈React应用"的框架。没有其他框架得到同样的描述。
React本身并不是一个完整的框架,不包括数据获取和路由等重要功能。文档明确不鼓励单独使用React。
Vercel的业务基于托管网络应用程序,Next.js是默认选择,一些开发者抱怨很难在其他地方使用。与Vercel竞争的JavaScript托管公司Netlify提供Next.js托管服务,但抱怨Next.js"没有适配器机制,其他参与者无法通过该机制支持其他平台。相反,Next.js构建使用的是私有的、基本无文档的格式,可能随时变化。"
并非所有React开发者都认为Vercel是负面影响。Redux(React状态管理工具)的维护者Mark Erikson今年早些时候争论说,React团队需要Vercel赞助其React服务器组件计划,而Meta对此没有需求,该公司没有做任何不当行为。
尽管受欢迎,React并未得到普遍喜爱,因复杂性增加而受到批评,特别是对于使用其服务器端功能的用户。一位开发者在评论这一消息时说:"感觉React总体上有一个持续增加复杂性和功能的轨迹。对于事实上已成为前端标准的东西来说,这很不幸。"这表明厂商主导并不是React生态系统中基金会和即将成立的技术委员会需要解决的唯一挑战。
Q&A
Q1:React基金会是什么?它的主要职责是什么?
A:React基金会是隶属于Linux基金会的新组织,由七家企业成员组成,包括亚马逊、Meta、微软等。其主要职责包括维护React的基础设施和商标、组织React大会以及赞助React生态系统发展。
Q2:为什么要成立React基金会?
A:主要是为了解决单一厂商主导的担忧。React已经超越了任何一家公司的范畴,需要独立的治理结构确保没有单一厂商占据主导地位,特别是针对生态系统中对Vercel等厂商参与的不满。
Q3:React目前在开发者中的使用情况如何?
A:React是最受欢迎的JavaScript框架,最新调查显示超过80%的受访者在使用。它的使用率还受到AI编程工具普及的推动,这些工具往往默认使用React框架。
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。