世界上最大开源平台,被残酷地抛弃了!

VLA技术全景图:模型、数据集与仿真平台的匹配逻辑 视觉-语言-动作(VLA)是具身智能的核心范式,其本质是构建能理解指令、感知环境并生成物理动作的端到端闭环系统。技术落地的关键不在单点性能,而在于模型架构、训练数据与仿真环境三者的深度耦合:模型决定推理范式(如世界模型 vs 三明治结构),数据集定义具身交互的真实性(如Ego4D-VLA的第一视角原生采集),仿真平台则提供物理保真度与训练效率的平衡支点(如Isaac Gym的GPU并行或MuJoCo的接触力精度)。错配将导致部署失效——例如用桌面级RLBench数据训户外导航模型,或在Gazebo中忽略电机 阅读详情

见字如面,我是军哥!

今天聊个平常不咋聊到话题,周五了也轻松一下哈~

对于年轻程序员来说,SourceForge是一个遥远而模糊的名字了。

SourceForge曾经拥有几十万个开源项目,其中一些更是大名鼎鼎:

开源办公软件Apache OpenOffice

图像处理工具GIMP

文件压缩程序7-Zip

音频编辑软件Audacity 

多媒体播放器VLC Media Player

传输工具WinSCP

Ftp工具FileZilla

.....

可以说是丰富多彩,包罗万象。

世界上最大的开源平台,实至名归。

但是,2010年以后,SourceForge就迅速坠落,被程序员抛弃。

如今,虽然它在软件下载量上依然不错,但是代码提交量降到了每周8260次,实在是太惨了。

986c7c993af298c68dc95c3078e183b4.png

1

SourceForge 最早是VA Linux创立的一个网站,用于托管开源软件。

它提供了源码管理系统CVS(嗯,真是一个古老的源代码控制系统),程序员可以上传自己的开源软件,让全世界都看到。

5f5a4f5067d262bb9039caf4f80bf2d6.png

它还内置了Bug管理系统、邮件列表、论坛和其他程序员沟通和交流。

当然,所有所有这一切都是免费的。

SourceForge满足了那个时代程序员的需求:分享、讨论、甚至炫耀自己的开源软件。

这个理念在2000年左右是相当先进的,所以一经推出就引发了轰动。

全世界的程序员如潮水般涌入,很快,每天入驻的新项目就达到了100个!

一个引人注目的开源项目能极大地增加程序员的声望,直接帮助他们升职加薪!

有些开源项目还走向了商业化的道路,Zimbra被雅虎以3.5亿美元收购,JBoss被红帽纳入麾下,SugarCRM 募集了2600万美元的风投,其客户包括星巴克和美国宇航局。

......

SourceForge的盈利模式主要是网站广告,2006年,一个季度利润就达到了650万美元。

它还和Google签署了协议,让允许开发人员在 SourceForge 页面上放置 AdSense 广告,这样就能获得一些分成收入。

ec8163f6911cd4abfa08e668b4ec9f5a.png

到 2007 年,SourceForge成了众多开源开发人员的家园。

这是程序员的聚集地,大约有 150,000 个项目(并且还在不断增加)驻扎在那里,涵盖了所有可以想象的功能。

形式一片大好。

2

如果我们看下SourceForge界面,就会发现一个大大的按钮:Download

2f7f2efbc271ce59b14b86cc88b80cd8.png

也就是说,SourceForge提倡Download,而不是Fork。

如果你发现了WinSCP这个项目的Bug,想给它做贡献,该怎么办呢?

很简单又很原始:生成一个补丁,然后通过邮件发给项目的维护者。

在SourceForge上创建一个代码仓库也很痛苦,需要人工审核和批准,并且不支持私有仓库。

2006年,Google 推出了Google Code,界面简洁易用、和Google服务良好集成,再加上Google品牌背书,迅速捕获了很多程序员的芳心,一大批项目从SourceForge转移到了Google Code。

不过Google Code再厉害,它和SourceForge也是同一个时代的产品。

这个时代就是:软件分发,而不是软件协作。

3

对SourceForge的降维打击来自于2008年的一个晚上。

Tom Preston-Werner 和 Chris Wanstrath 在旧金山参加一个 Ruby on Rails 聚会。

会后两人在一个体育馆酒吧喝了一杯,这时候Rails社区已经开始使用Git,但是却没有一个像SourceForge那样的中央网站来托管。

以Facebook为代表的社交网络也在飞速发展,对于开发人员来说,也没有一个专门的社交网站。

两人想到了开发GitHub的点子:

1. 托管开源项目的Git存储库

2. 只要fork一个开源项目,在本地修改,然后给维护者发个pull request, 审核通过就可以合并

3. 每个人都有自己的个人资料页,你可以在GitHub上关注一些大牛, 看看他们做的项目,参与进去。

这将是对SoruceForge的彻底颠覆。

说干就干,两人利用周末时间开发了GitHub(当然是使用Rails),经过测试后,开始推广。

7c80f88d4c43ba3ab8871b621aa465f2.png

因为两人本身就是搞Rails开发的,GitHub很快在Rails社区普及。

很多Rails大牛也是JavaScript社区的核心成员,这就使得JavaScript社区开始关注GitHub,并且向GitHub迁移。 

然后,GitHub便开启了爆炸式发展的旅程:

2008年,4.6万个代码仓库

2009年,9万个代码仓库,10万用户

2010年,1百万个代码仓库!太疯狂了

2011年,SourceForge已经完全没法和GitHub相提并论了。

Download彻底输给了Fork。

4

其实对于2010后入行的程序员来说,一开始接触的就是Git和GitHub,习惯了pull request的开发者也许并不知道,世界上还存在用邮件发送patch这样原始的活动。

而SourceForge时代的程序员更不可能想到,有一天,程序员之间也可以Social起来,互相关注。

当年手工整理网站目录的Yahoo流行一时,迅速被基于搜索的Google击败,而Google又被社交网络Facebook的风头所掩盖。随后苹果引领移动互联网,OpenAI大模型掀起人工智能革命。

短短20几年,城头不断变换大王旗,IT界的发展,实在是太迅速,太残酷了。

今天的文章就写到这里了哈,觉得不错的话点个赞,或者在看吧!

最后,最近好几位读者朋友说最近面试老是挂, 每个人问题还不一样,于是,我决定本周末晚上开直播分享关于面试和求职的一切,把我当面试官多年的心得全都分享给你,欢迎点击下方预约,我们不见不散~

以往热文推荐:

很多朋友都消失了。。。


更多精彩,关注我公号,一起学习、成长

001a2634d35a9077c624bdd7c9a4b71e.png

HorizonDrive:车规级芯片上的3D世界建模工程实践 世界模型在自动驾驶中并非单纯追求视觉-语言对齐或视频生成,其本质是构建可部署、可验证、低延迟的3D场景理解能力。核心原理在于融合几何先验与神经拟合,通过传感器时空对齐、BEV特征压缩、latent空间记忆等技术,在算力与带宽受限的嵌入式平台实现端到端闭环。技术价值体现在将传统串行感知-预测-决策链路整合为可微分单体计算图,显著提升路口结构理解、运动趋势推演与长期记忆稳定性。典型应用场景包括复杂十字路口通行、雨雾天气鲁棒感知、施工区域自适应绕行等车规级任务。HorizonDrive正是这一思路的标杆落地,深度 阅读详情

相关推荐

小米智驾与具身智能融合开源:跨域对齐与动作原语实践

在智能汽车与具身机器人加速交汇的背景下,‘多模态感知-任务理解-物理执行’的闭环能力正成为下一代车载AI的核心指标。其技术本质在于构建统一时空基准、实现语义与动作的联合表征,并依托轻量化世界模型支撑实时决策。这类系统需突破传感器时间同步、坐标系跨域对齐、自然语言到可执行原语的映射等关键工程瓶颈,广泛应用于自动泊车、车舱交互、机械臂协同等真实道路场景。小米此次开源正是围绕‘跨域对齐’和‘动作原语映射’两大热词,提供了可编译、可调试、可替换的端到端参考实现,为L2+智驾开发、具身智能研究及车规级大模型部署提供了

weixin_30292843的博客 447

开源闭源争论不休,浅谈大模型开源和闭源

前一阵子的开源和闭源之争炒的比较火热,之前一直想写点什么,由于太懒就没写,但是最近开源模型真的太火爆了,前有 Grok-1、Mistral-8x22、Llama3,后有Yi-1.5、Deepseek-V2、Qwen1.5-110B,开源模型现在真的卷到飞起。今天简单聊聊下面的几点内容,欢迎大家拍砖,给出不同看法:开源模型有哪些优势开源模型与闭源模型的差距会越大还是越小开源模型哪家强个人认为,开源...

开源社KAIYUANSHE的博客 740

特斯拉AI工程实践:从物理世界建模到量产级MLOps

人工智能在真实工业场景中的落地,本质是将算法能力与物理规律、硬件约束和业务流程深度耦合的过程。其核心原理在于用可解释的混合架构替代黑箱模型,以仿真为数据生成器、以专用芯片保障确定性延迟、以任务间物理关系指导多任务学习。这种工程范式显著提升系统鲁棒性、降低误报率并加速迭代周期,广泛适用于自动驾驶、工业质检、电力巡检等对安全性、实时性和可维护性要求严苛的领域。本文深入拆解特斯拉AI团队如何把‘AI量产’从口号转化为可测量、可复制、可优化的产线级实践,涵盖HydraNets特征拓扑设计、Dojo芯片存算一体架构、

weixin_34109408的博客 410

OpenCore Legacy Patcher技术革命:开源硬件适配的深度解析与终极方案

在苹果生态系统中,硬件支持的生命周期往往由商业策略而非技术能力决定。当2013-2014年间的数百万台Mac设备因macOS Monterey的硬件限制而被官方抛弃时,一个开源技术革命悄然兴起。OpenCore Legacy Patcher项目通过创新的系统兼容性解决方案,为这些"技术性过时"的设备注入了新的生命力,展现了社区驱动开发如何突破硬件限制的技术民主化实践。 ## 技术困境:硬件限制与

gitblog_00056的博客 373

Kubernetes平台工程实战:从CRD到OAM的云原生交付体系

Kubernetes已超越容器编排,成为企业级平台构建的元框架——它不直接提供PaaS能力,而是通过声明式API、CRD与控制器模式,支撑上层抽象(如OAM、KubeVela)实现‘平台即代码’。其技术价值在于解耦业务语义与基础设施细节,使灰度发布、多环境治理、边缘自治等复杂场景可建模、可复用、可审计。典型应用场景涵盖金融核心系统交付、AI训练平台调度、车载OTA固件管理及SaaS配置化部署,尤其依赖GitOps保障状态一致性、Operator实现领域逻辑封装、Webhook与OPA强化安全治理。本文聚焦真

dingguayi7025的博客 379

AI大模型平台选型指南:稳定性、封装效率与行业适配深度解析

AI大模型平台已从单纯模型托管演进为支撑企业智能化落地的核心PaaS基础设施。其本质是融合算力调度、模型即服务(MaaS)、可观测性、安全合规与成本治理的一体化工程体系。技术价值在于将前沿大模型能力转化为可管理、可审计、可SLA保障的生产级API,尤其在金融、政务、制造等强监管场景中,稳定性(如P99.9延迟韧性)与MaaS封装效率直接决定项目成败。真实落地不依赖参数规模,而取决于预处理鲁棒性、垂类组件完备性、开发者调试体验及成本透明度。本文基于2026年实测数据,聚焦平台级工程能力体检,为AI应用架构师提

weixin_34192816的博客 432

MySQL最全整理!我想成为一名架构师

JAVA编程,是很多男孩子梦想起步的开始。 “JAVA是一门面向对象编程语言,不仅吸收了C++语言的各种优点,还摒弃了C++里难以理解的多继承、指针等概念,它作为静态面向对象编程语言的代表,极好地实现了面向对象理论,允许程序员以优雅的思维方式进行复杂的编程。” 这是我从最开始接触JAVA之前,通过百度对它的简单理解,是的,充满苍白感。 享学课堂给了我更好的诠释,如今我很明确,我学习JAVA技术,和大部分人的目标一样,我想成为架构师,而JAVA只是我必备的技术之一。 以我现在对编程语言的认知程度来说,太浅薄

m0_57286472的博客 187

BEV+Transformer架构迭代:从松耦合到物理驱动的新范式

BEV(鸟瞰图)作为自动驾驶主流空间表征,与Transformer结合曾推动多模态感知突破,但其静态栅格化本质与真实驾驶世界的动态性、因果性存在根本错位。随着端到端延迟逼近L3功能红线、跨模态对齐暴露物理异构性、注意力机制难以通过ASIL-D功能安全认证,行业正转向更紧致、可验证的新型架构。核心演进方向包括:以动态时空图谱替代BEV栅格轨迹预测,用模态内语义蒸馏取代粗放跨模态对齐,将经过形式化验证的物理引擎嵌入感知-决策闭环,并构建分段可验证的模块化端到端体系。这些路径共同指向一个技术共识——可靠性优先于表

weixin_34377919的博客 637

GrokImage技术解析:多模态隐空间调度与平台原生AI生成范式

AI图像生成正从静态绘图工具演进为实时内容操作系统,其核心在于多模态统一建模与平台级深度集成。传统扩散模型依赖分阶段Pipeline,而新一代方案如GrokImage通过隐空间协同调度器,将文本、时序、物理约束融合于单次前向传播,实现6秒端到端视频生成。关键技术包括跨模态注意力门控、语义驱动的动态分块渲染,以及绑定硬件指纹与地理位置的X-Render Protocol协议。这种架构不仅提升推理效率与物理一致性,更使生成内容天然具备可追踪性、可调控性和商业闭环能力,广泛应用于信息流优化、广告实时植入与UGC互

weixin_30296405的博客 488

导师放养研一如何高效完成AI论文:从选题到SCI投稿全流程指南

“导师放养,研一,如何快速水一篇论文毕业?”——这可能是无数研究生在深夜实验室里最真实的内心独白。面对毕业压力、导师无暇指导、研究方向迷茫,很多同学的第一反应是寻找捷径。但今天这篇文章要告诉你一个更残酷也更现实的真相:在AI和深度学习席卷科研领域的今天,“水论文”的难度正在指数级上升,但与此同时,借助新的工具和方法论, 高效、合规地完成一篇有质量的毕业论文,甚至冲击SCI,其路径正变得前所未有的清晰。 别再幻想复制粘贴就能蒙混过关。现在的查重系统、审稿人,甚至你未来的面试官,都能轻易识别出没有灵魂的学术垃圾

weixin_29053067的博客 244

VS2022离线环境下的NuGet包管理:从本地源到依赖项全解析

本文详细解析了在VS2022离线环境下如何高效管理NuGet包,包括搭建本地NuGet源的两种方案(本地文件夹源和私有NuGet服务器)、获取离线包的三大渠道以及依赖项处理的实战技巧。通过自动化脚本和依赖树分析工具,帮助开发者解决离线环境中的依赖项黑洞问题,提升开发效率。

5f4d3s2a1q的博客 1061

VS Code 这么牛,再次印证了一句名言

2011年,50岁的Eric Gamma 从IBM跳槽到微软。那一年我正好在IBM,还是IBM的百年大庆,看到这个消息,非常失望,这么一位大牛,《设计模式》的作者,JUnit的作者,Eclipse JDT架构师,程序员界的标杆性人物,IBM没有留住他,实在是太可惜了。当时Eclipse风头正盛,IDEA还没有现在这么火,Eric Gamma突然跳槽,这挺让人费解。后来得知...

码农翻身 2374

Marin说PCB之LPDDR5的布线注意事项--03

这个规则中是把每个字节中的WCK to RDQS 以及DM / DQ to WCK等长规则都加到了DM / DQ这个等长规则中去了,因为芯片手册上的设计要求中的DM / DQ这个group的等长误差是+-50MIL, WCK to RDQS的等长group的规则是62.5MIL,DM / DQ to WCK等长group的规则是相对松一些是150MIL。其实上面的等长规则还是建少了一些的,例如手册上要求的每个channel的WCK0:1,WCK2:3等长误差在+-488MIL,这个规则建议还是补上去吧。

weixin_45223454的博客 1231

收藏必看|2026年版程序员必学大模型!不懂AI迟早被行业淘汰

当下互联网就业环境本就动荡,裁员、缩招、薪资下调的消息从未间断。对咱们技术人而言,会AI、懂大模型早已不是锦上添花的加分项,而是立足职场、稳住饭碗的,早已告别只会CRUD、会写基础代码就能安稳混日子的时代。从ChatGPT引爆全球AI浪潮,再到DeepSeek、通义千问、文心一言等国产大模型强势崛起,加上各行各业垂直领域专属大模型陆续落地上线,2026年AI大模型正式进入,也彻底掀起了互联网行业新一轮技术变革。

kaka0722ww的博客 559

实战指南 | 快速修复Adobe Acrobat 2020安装过程中的常见注册表错误

本文提供了Adobe Acrobat 2020安装过程中遇到“无法打开键”注册表错误的详细修复指南。通过安全编辑注册表,精准定位并删除残留键值,可快速解决此常见安装报错,确保软件顺利安装。同时,文章也介绍了其他安装问题的应对策略与预防措施。

weixin_29200485的博客 566

rk3568 rockit编译测试

编译rockit不能使用SDK默认编译kernel的交叉编译,需要采用编译buildroot的,而编译buildroot的编译器SDK并没有存放,需要编译过buildroot之后才可以用。命令参数相关解析可查阅代码,这里提醒一下-l参数,这是程序运行计数,默认是100,时间很短,基本上显示画面一闪而过,一度以为是程序哪里出问题了,改用-l 1000,画面显示时间加长。此处跳过系统,单领出来编译。rockit组件包在4.10版本需要手动编译,奈何我的版本怎么都编译不了,后来改用5.10版本才编译通过。

zfenggo的博客 4198

Manifold:Uber开源的机器学习可观测性系统详解

机器学习可观测性(ML Observability)是保障模型在生产环境中稳定、可信运行的基础能力,其核心在于对数据分布、特征行为、预测结果和服务性能四个维度的持续监控与关联分析。不同于传统APM或日志调试,ML可观测性需应对非确定性计算、高维稀疏输入和隐式执行路径等独特挑战,技术价值体现在快速识别数据漂移、定位预测偏差、归因服务延迟及评估模型版本影响。典型应用场景覆盖金融风控、推荐系统、智能调度等需要高可靠AI服务的领域。本文深入解析Uber Manifold这一工业级ML可观测性栈的设计哲学、四层观测平

weixin_30535843的博客 447

Python广度优先搜索BFS - 蓝桥13届省赛污染海域

请问这片N * M海域中有几块是没被污染的独立海域(没被污染的独立海域是指该块海域上下左右被已污染的海域包围,且N * M以外的海域都为已被污染的海域)有一片海域划分为N * M个方格,其中有些海域已被污染(用0表示),有些海域没被污染(用1表示)。第二行开始输入N行,每行M个数字(数字只能为1或者0,1表示没被污染的海域,0表示已被污染的海域)这块4 * 5的海域,有3块海域(绿色)没被污染,因为每一块的上下左右都被污染的海域包围。输出一个整数,表示N * M的海域中有几块是没被污染的独立海域。

m0_69865359的博客 271

AresDB:Uber开源的GPU加速实时分析数据库原理与实践

GPU加速数据库是面向大规模实时OLAP场景的关键技术演进,其核心在于突破CPU内存带宽与指令并行瓶颈,利用GPU高带宽显存(如V100达900GB/s)和超宽SIMD架构实现数据并行计算。原理上依赖列式存储优化(如Delta编码、位打包)、Kernel融合执行模型及CPU-GPU协同分工,技术价值体现在P95查询延迟压至300ms内、千级QPS并发支撑与TB级热数据亚秒响应。典型应用于实时用户行为分析、AB测试归因、多维漏斗透视等低延迟决策场景。本文深入解析Uber AresDB这一标志性GPU原生数据库

weixin_31031711的博客 364

电商行业分析爬虫:抓取行业数据,进行行业分析

电商行业数据分析对于市场研究、竞争分析和商业决策至关重要。通过爬取电商平台的数据,我们可以深入了解市场动态、消费者行为和商品销售情况。本文将介绍如何构建一个电商行业分析爬虫,抓取商品信息、销售数据和用户评价等,并进行数据分析。

u014481728的博客 1629

华为OD新系统机试真题 - 失灵的键盘(C/C++/Py/Java/Js/Go)

华为OD新系统机试真题 【失灵的键盘】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD4月15号机试真题【失灵的键盘】

qq_45776114的博客 1072

王坚清华ATF演讲实录

如果阿里和谷歌竞争,实际到最后就是清华、北大跟斯坦福、麻省理工的竞争,因为这个社会需要最优秀的人去做做最挑战的事情。王坚表示,事实上阿里巴巴不应该跟谷歌竞争,因为最困难的是跟上一个时代竞争,这也是为什么阿里超越了沃尔玛的意义所在。同样,阿里的云计算不是为了和AWS竞争,而是要和从十九世纪起就代表了美国先进技术的产业竞争,比如IOE铁三角。

鼹鼠的胡须 的博客 1872

C# 上位机内存泄漏排查指南:3 个工具 + 4 个技巧,从 GC 频繁到稳定运行 720 小时

C# 上位机内存泄漏排查的核心是「先定位泄漏存在,再追溯引用根源,最后修复验证通过「Visual Studio 诊断工具(快速定位)+ dotMemory(深度分析)+ PerfView(生产监控)」三个工具的配合,结合「复现场景、排查静态成员+事件、检查非托管资源、GC 日志验证」四个技巧,可高效解决绝大多数泄漏问题。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 739

OpenClaw 2.7.1:Windows本地AI智能体一键部署平台

AI智能体(AI Agent)是面向业务自动化的下一代生产力范式,其核心原理在于将大模型能力封装为可编排、可调度、可容错的原子技能,并通过工作流引擎驱动执行。技术价值体现在摆脱云端依赖、降低使用门槛、适配封闭环境,尤其在无管理员权限、老旧Win10系统、企业内网等受限场景中凸显不可替代性。典型应用场景包括Excel自动化处理、微信消息推送、本地知识库问答、定时任务调度等高频办公需求。OpenClaw 2.7.1 正是为此类‘Windows本地AI智能体’落地而深度优化的工程化实现,它以SQLite替代Red

hck341204的专栏 554

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

上一篇: 很多朋友都消失了。。。
下一篇: 互联网不行了,出路在哪?
军哥手记
军哥手记 业界专家认证 业界专家认证
博客等级 码龄21年 661粉丝 608原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值