
2015年8月14日,阿里巴巴集团今日宣布正式加入全球知名非营利性组织Linux基金会,作为Linux基金会中首个来自中国的互联网公司,阿里巴巴集团对于Linux的帮助表示感谢,并将持续加大对技术的投入以促进Linux的发展。
在加入Linux基金会的同时,阿里巴巴也成为开源项目Xen的顾问委员会成员,Xen是Linux基金会合作项目。
Linux基金会官方对于阿里巴巴的加入表示欢迎:“近年来Linux实际上已经成为协同开发的途径。无论是作为容器类的解决方案和虚拟银行,还是轻量级的计算解决方案,本次加入的新成员都展现出Linux的全球化和广泛性。”
作为Xen项目顾问委员会新成员,阿里云CTO章文嵩表示,“在为全球用户提供的云计算服务中,Xen虚拟化技术对我们越来越重要。”章文嵩说,“阿里云期待着与Linux及Xen项目社区更深层次的互动和协作,参与国际通行的协作方式,不断加入新的协作组织,成为开源社区的积极贡献者。”
阿里巴巴集团是全球领先的电子商务公司与云计算服务商。章文嵩目前还担任着阿里巴巴开源委员会主席,曾开发了著名的负载均衡软件LVS,并一直在开源界推动合作交流。
章文嵩进一步表示,加入Linux基金会有助于阿里云更加深入地理解Linux等开源软件,更多地参与到技术与标准制定讨论当中,主动把握未来软件发展方向。这对于阿里巴巴集团以及阿里云积极推进的国际化战略有着重要意义。
他表示,阿里巴巴还将更加积极开放地参与到更多的开源基金会,并将在适当时候捐献部分软件项目给基金会托管。
阿里巴巴是Linux的活跃开发者,此前已经为Linux内核提交了290多个Patch,在国内互联网公司当中贡献度第一。除了Linux之外,阿里巴巴在MySQL、JVM、Web服务器等知名项目中均有杰出贡献,也是开源组织WebScaleSQL的5大成员之一。
阿里巴巴也积极地开源自研软件回馈社区,包括了TFS分布式文件系统、Tair存储系统、Dubbo、jStorm、RocketMQ、FastJSON、Druid、TBSchedule、otter等。
业内评论认为,阿里巴巴此次加入Linux基金会,将带动更多的中国企业尤其是互联网企业参与开源事业,Linux 等社区将会出现更多来自中国技术人的声音。有助于从技术标准上为中国企业获得更大的竞争优势。
与阿里巴巴同批加入Linux基金会的还有PayPal、DCHQ、联发科技、武汉深之度等4家公司,此前加入的中国公司只有中国移动等4家。
由开源中国发布的《2014 最受关注开源软件排行榜 TOP 50》中,阿里巴巴有3款软件上榜,分别是Dubbo、Druid和FastJSON。而在TOP100榜单中则超过了7个。
此外,阿里巴巴也维护着一个名为淘蝌蚪(code.taobao.org)的开源社区。目前,该社区已经有近5万个项目,有超过10万工程师注册使用。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。