全球有数十亿人在使用Facebook服务,因此Facebook一直被迫开发自己的网络基础设施以应对庞大的负载,因为在别处找不出能够满足这样需求的系统和技术。不仅如此,Facebook在分享技术开发、开源技术组件方面也由来已久,这让其他公司也可以使用和改进这些技术以便更多人受益。
今天,Facebook宣布开源其最新打造的“转发平面软件库”,这个组件为Facebook基础设施中使用的网络负载均衡器提供动力。负载均衡器用于将网络和应用流量分布到多个服务器上,以提高容量和可靠性。
Facebook最新的工具名为Katran,这是一款基于软件的负载均衡工具,据称它能使后端网络基础架构更加可靠和可扩展。Facebook以前依靠基于硬件的系统在其网络上执行负载均衡,但这个系统比较老旧不够灵活,无法处理日益增长的负载和最新服务。
据说Katran利用内核工程方面的两项最新创新技术,即eXpress Data Path和eBPF虚拟机,使其后端服务器更加灵活,同时也让网络平衡更加高效。
Facebook工程师Nikita Shirokov和Ranjeeth Dasineni在博客中写道:“我们相信Katran为那些打算利用XDP和eBPF这一激动人心的组合来构建高效的负载平衡器的用户和企业组织提供了一个出色的转发平台。”
除了Katran之外,Facebook还公布了Zero Touch Provisioning新工具的详细信息,工程师利用这个网络配置系统来自动构建骨干网所需的非物理工作。该工具是为了针对网络工程师对网络基础设施进行手动检查和测试的有限可用性而开发的。Zero Touch可以实现大部分工作的自动化,让工程师可以将更多时间花在那些无法实现自动化的任务上。
“我们以前的网络配置系统被证明无法应对构建这些网络的规模和复杂性,因此我们自己打造了全面的、灵活的工作流程系统,配备了Zero Touch Provisioning,”Facebook的工程团队在另一篇博客文章中这样写道。“这个新框架让Facebook工程师能够加快步伐,更有创意地解决问题,并采取更加迭代的方式来构建他们的网络和网络部署工具。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。