Oracle的Java团队在2026年将致力于实现多个重要里程碑,包括预览值类型、孵化代码反射、交付AOT(提前编译)代码编译,以及最终确定结构化并发API。
这些工作以及OpenJDK项目下的许多其他努力,例如Project Loom(探索JVM(Java虚拟机)功能和API以实现轻量级用户模式线程)和Project Valhalla(通过值对象增强Java对象模型),都在Oracle Java开发者倡导者Nicolai Parlog于1月8日发布的视频演示中被提及。不过,这些功能的开发工作并不意味着它们一定会在2026年发布。
Project Leyden与AOT编译
AOT代码编译是Project Leyden的一部分,该项目旨在改善Java程序的启动时间、达到峰值性能的时间以及内存占用。AOT代码编译的目标包括通过在HotSpot JVM启动时立即提供来自先前应用程序运行的本机代码,来改善启动和预热时间。Project Leyden还将探索代码缓存的可移植性和迭代训练,允许框架训练缓存。训练数据的可检查性也将被研究。
Project Amber的语言特性计划
Project Amber专注于提供更小、面向生产力的Java语言特性,其计划包括探索字符串模板,并为常量模式和接口提交JEP(JDK增强提案)。还可能会有关于类记录式类和接口以及更包容的模式匹配的更新。
Project Loom的并发编程进展
关于Project Loom,Parlog表示,用于并发编程的结构化并发API将在JDK 26中进行小幅修改后预览,并可能在年底前最终确定。目前处于减速阶段的JDK 26计划于3月17日正式发布。Loom的议程还包括探索虚拟线程的更多应用。
Project Panama的互操作性改进
对于专注于改善JVM与非Java API之间连接的Project Panama,计划用于JDK 26的向量API将进行第11次孵化。Panama在2026年的议程还包括对jextract工具的全面改进,该工具用于解析本机库的头文件并生成代码。外部函数和内存API也将进行改进,该API使Java程序能够与Java运行时之外的代码和数据进行互操作。
Project Babylon的代码反射
Project Babylon旨在将Java扩展到SQL等外部编程模型,其计划包括孵化代码反射,这允许第三方框架反射lambda表达式中的Java代码并对其进行处理。Babylon团队还将致力于使用代码反射在GPU上运行机器学习模型的概念验证。
Project Valhalla的值类型
在Project Valhalla方面,开发人员将致力于在今年下半年交付值类型的预览版,之后工作将集中在空值感知类型、数组改进以及基本类型和包装器的统一上。值对象是只有最终字段且缺乏对象标识的类实例。它们允许开发人员选择加入域值的编程模型,在该模型中,对象仅通过其字段的值来区分。
Q&A
Q1:Oracle在2026年Java开发计划中的主要目标是什么?
A:Oracle的Java团队在2026年将致力于实现多个重要里程碑,包括预览值类型、孵化代码反射、交付AOT(提前编译)代码编译,以及最终确定结构化并发API。这些工作涉及多个OpenJDK项目,如Project Loom、Project Valhalla、Project Leyden、Project Amber、Project Panama和Project Babylon。
Q2:Project Leyden的AOT代码编译有什么作用?
A:AOT代码编译是Project Leyden的一部分,旨在改善Java程序的启动时间、达到峰值性能的时间以及内存占用。其目标是通过在HotSpot JVM启动时立即提供来自先前应用程序运行的本机代码,来改善启动和预热时间。该项目还将探索代码缓存的可移植性和迭代训练功能。
Q3:Project Valhalla的值类型什么时候会发布预览版?
A:根据计划,Project Valhalla的开发人员将致力于在2026年下半年交付值类型的预览版。值对象是只有最终字段且缺乏对象标识的类实例,它们允许开发人员选择加入域值的编程模型,在该模型中,对象仅通过其字段的值来区分。预览版发布后,工作将集中在空值感知类型、数组改进以及基本类型和包装器的统一上。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
JETSPEC是由UC San Diego等机构联合提出的推测解码框架,通过树形因果掩码让草稿头在一次前向传播中生成分支一致的候选树,在MATH-500上实现最高9.64倍端到端加速。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
本文介绍了中国科学院自动化所的研究,揭示了大型语言模型在多轮工具调用强化学习中崩溃的根本原因,并系统评估了五种监督信号对训练稳定性和泛化能力的影响。