近日,由 InfoQ 主办的全球顶级技术峰会QCon全球软件开发大会2018北京站在北京国际会议中心举办。ThoughtWorks(思特沃克)全球技术总监、软件架构师Neal Ford也受邀出席了该会议,并发表了题为《拥抱变化:演进式架构》的主旨演讲,向参加本次大会100余位重量级技术专家分享了ThoughtWorks的创新成果——演进式架构的概念及其应用。
Neal Ford是一个拥有多重身份的传奇式人物。作为跨国数字化转型咨询公司ThoughtWorks的总监、软件架构师,他精通各种编程语言,为大规模企业应用的设计、构建和工程实践提供咨询服务;作为国际知名讲师,他登上过许多世界顶级开发者会议的讲台;作为极客和作家,他著有多本广受好评的畅销书,如《卓有成效的程序员》、《函数式编程思维》。此次到访QCon,他除了为中国带来了演进式架构的概念,更带来了其已出版的最新作品《Building Evolutionary Architectures:Support Constant Change》,相信会给开发者群体读者们带来全新的思考,共同应对日新月异的数字化时代。
在演讲中,Neal Ford指出,在科技界唯一不变的就是变化:业务实践在变,工具和框架在演进,创新的工具和技术不断涌现,这让软件开发生态体系也是瞬息万变。在这样环境中,开发者必须不断革新自己的认知,从进化的视角出发去更好地吸收需求,应对不断发生变化的技术。在过去的几年里,软件开发核心工程实践的渐进发展,让开发者重新思考架构是如何随着时间的推移而变化的,以及重要的架构特征如何能够在架构演进过程中得到有效保护,这促使Neal Ford与ThoughtWorks全球CTO Rebecca Parson博士一起总结提炼了演进式架构的核心概念。他们借鉴了生物进化的分析视角,从更长远的考量来思考软件架构的存在,改变了过去单一时间点评判架构好坏的视野局限,转而思考如何通过可度量的适应度方程(fitness function)定义来“创造”架构演进的生态。
变化历来都是难以预测且痛苦的,演进式架构提倡“把痛苦的事情提前做、经常做”,在架构层面做到演进式地变更,让变更更容易、成本更低,在开发实践、发布实践和整个开发流水线上去建立架构改变的实时反馈机制。在项目的进行过程中,如果架构改变的事情很痛苦,那么你需要强迫自己更早更频繁地去做这些事情。这反过来也鼓励你用自动化的手段消除这些痛苦并能提前识别架构上的问题。已经成为现代软件开发基础的持续交付实践,如部署流水线、自动化基础设施建构、数据库平滑迁移等,就是这一原则的应用,它们会提早解决变更带来的常规问题,从而使架构的演进更为容易。
本次Neal Ford的中国之行,除了在QCon全球软件开发大会2018所做的重要演讲,还在与华为等重要客户开展的ThoughtWorks技术开放日活动中,为客户带来了最新的技术研发成果,共同探讨企业数字化转型的进阶之路。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。