12月16日,openEuler Summit 2023在北京国家会议中心召开。此次盛会由openEuler社区成员单位麒麟软件、统信软件、麒麟信安、华为、超聚变、英特尔、中科院软件所、软通动力和润和软件社区成员共同举办。
目前,openEuler系累计装机量已超过610万套,根据IDC预测,2023年openEuler系在中国服务器操作系统市场份额达到36.8%。openEuler社区已吸引1300+家头部企业、研究机构和高校加入,汇聚16800+名开源贡献者,成立100+个特别兴趣小组(SIG),openEuler开源社区已成为中国最具活力和创新力的开源社区。
携手9大海外开源基金会,构建全球开源新生态
openEuler致力于打造国际化开源协助平台,与国际主流基金会深度合作,已支持全球98%的主流开源软件。欧拉深度参与OpenChain、OpenSSF等全球主流软件供应链安全标准与规范的制定、推广,率先通过OpenChain ISO 5230开源软件协议认证,社区基础设施达到OpenSSF SLSA L3标准。此外,还与全球主流社区和组织合作,满足全球各区域本地化要求,规范欧拉开源社区的国际化治理。目前,openEuler社区与9大海外头部开源基金会开展深入合作,为150多个国家和地区提供服务。
英特尔宣布成为openEuler社区黄金捐赠人
英特尔(Intel)自2021年签署CLA加入openEuler社区,积极贡献x86平台的生态适配和技术优化,将x86的多代平台Ice Lake、SPR、Emerald Rapids引入到openEuler上,并将AI计算加速框架集成到openEuler,同时在openEuler的多个核心的SIG都有深入贡献。
会上,英特尔宣布正式成为openEuler社区的黄金捐赠人,将携手产业界共建操作系统生态底座,为全球开发者提供更优质的资源和支持。英特尔开源技术中心总监杨继国表示:“未来Intel将持续把Intel的上游开源项目集成到openEuler,并与openEuler共同在AI上持续发力,从软硬协同使能AI算力,满足各行业对于AI智算技术的需求。”
向欧拉捐赠,新增13个项目签署捐赠意向
自去年年底openEuler成立项目群后,各行业领域头部企业及开发者的项目开始不断加入,开源项目数量持续赠加,涵盖行业也日趋多样化。会上,来自中国移动云能力中心、联通数字科技有限公司、中国科学院软件研究所等8家公司的13个项目与openEuler项目群签订捐赠意向。来自不同行业和领域的捐赠项目为openEuler注入新的创新力量,进一步增强社区技术创新能力,促进社区生态繁荣。
openEuler十大联合创新成果走向行业用户
![]() |
openEuler把创新带给千行万业,openEuler & friends 4.0十大联合创新成果发布,浪潮UBML、浩瀚深度、英特尔、工商银行、京东、移动云、深信服、咪咕视讯、微众银行和中移在线10家企业围绕用户实际使用场景进行全流程、全场景的联合创新。openEuler通过强化跨平台支持和提升AI、ML支持,在为开发者提供更加方便、强大的技术支持,推动整个开源操作系统生态的繁荣和发展。
未来,openEuler社区将继续秉持“共建、共享、共治”的理念,通过与伙伴和全球开发者共同努力,推动基础软件技术的持续创新和应用,构建一个更加开放、多元的全球开源社区。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。