Hadoop 3.0以及未来 刘 轶 自我简介 • Apache Hadoop的committer和顷目管理委员会成员。 • ebay的Paid IM(互联网市场)部门架构师，领导ebay产品广告、互 联网市场数据和实验平台的架构设计。负责领导使用Hadoop、 Spark、Kafka、Cassandra等开源大数据顷目建立ebay的广告和数 据平台。 • 加入ebay前，在intel工作6年，大数据架构师，负责领导大数据的 超过9年的互联网、云计算、大数据的工作经验。 概要 • Hadoop的历叱 • Hadoop 3介绍  Common  HDFS  YARN  MapReduce • Hadoop的未来发展方向 Hadoop的历叱 2004 2005 2012 2007 2008 2009 2010 2011 2006 2013 2014 2015 2016 2003 Hadoop从 Nutch分离 collector的Native实现，对于shuffle密集型的task能 带来30%的性能提升。 Hadoop 的未来 HDFS的未来 • 对象存储 - HDFS-7240 • 更高性能的Namenode：更高效的内存使用，锁的改进等 • Erasure Coding的完善 YARN的未来 • 更大规模的集群支持 • 更好的资源调度，隔离和多租户 • 支持更多的应用，包括long running的service

Apache Flink的过去、现在和未来 杨克特（鲁尼） 阿里巴巴高级技术专家 过去 一切从2014年开始 2009 - 2014 2014 • 柏林工业大学博士生项目 • 基于流式 runtime 的批处理引擎 • 2014 年 8 月份 发布 Flink 0.6.0 Flink 0.7 Runtime Distributed Streaming Dataflow DataStream Applications ✔ ✔ 未来 Micro Services O_0 O_1 I_0 I_1 I_2 P_0 P_1 P_2 S_0 S_1 Order Inventory Payment Shipping Flow-Control Async Call Auto Scale State Management Event Driven Flink 的未来 offline

Serverless Kubernetes 理想，现实和未来 张维 阿里巴巴高级技术专家 观看视频回放 Serverless：关注应用而非基础设施 敏捷开发 极致弹性 成本优化 • 无需购买和安装机器 • 无需管理服务器 • 无需升级和更新OS • 快速部署和更新应用 • 快速发布 • “无限”容量 • 秒级弹性 • 更好的扩展性 • 更好的灵活性 • 按需创建 • ECI ECI ECS ECS ECS ECS ECI ECI ECI ECI ECS ECS ECS ECS 物理机 物理机 弹性计算统一库存调度系统 Serverless容器未来挑战 启动效率 SLO弹性 并发创建 部署密度 咨询和答疑

Web的未来 新技术和新语言带来的改变 hanguokai@gmail.com 韩国恺 @hanguokai 韩国恺 开发者9Y+ 技术爱好者 学习 上网 动漫、电影 健身 Google fans 与 Dart 的缘分 1. Web的演化 2. 语言篇 a. 语言的发展 b. Dart 介绍 3. 技术篇 a. Web Components b. Polymer 开发越来越复杂：项目大，团队成员多 ● 前端功能越来越多：CS→BS→CS ● 大型应用维护和协作难 ● 性能弱，启动速度慢 ● 工具支持弱 ● 仔细选择技术方案和开发规范 Web 开发中还有许多问题有待解决... 未来的方向？ Chrome OS 和 Chromebook Chrome OS 基于浏览器和云端环境的 OS Chromebook 搭载 Chrome OS 的笔记本 今天的讲义也是用 Google

未来都市 - 智慧城市与基于深度学习的 机器视觉 演讲者／陈宇恒 概要 • 我们是谁 • 智慧城市中机器视觉应用 • 我们是如何构建城市级AI+智慧城市系统 • 大规模深度学习实战系统的几点经验 l商汤科技联合创始人，架构师 lC++/Go/Rust/Ruby开发者 l多个开源项目贡献者 lNIPS国际会议论文作者 @chyh1990 2017.6 2016.3 2015

2024:大模型背景下知识图谱的理性回归 77 | 人工智能与处理器芯片架构 89 | 大模型生成代码的安全与质量 93 | 2024 年 AI 大模型如何影响基础软件行业中 的「开发工具与环境」 98 | 推理中心化：构建未来 AI 基础设施的关键 Part 1：中国开源开发者生态数据 04 | Gitee 数据篇 Part 3：国内 GenAI 生态高亮瞬间 104 | 中国 GenAI 消费应用人气榜 Top10 行中：凭借AI开发热潮， C与C++依然在今年焕发 着生命力，流行度已与十 年前不相上下。 TypeScript依然强势增 长，随着越来越多的开发 者从JavaScript转向 TypeScript，其未来的 发展更值得期待。 11 / 111 本年度增长最快编程语言 35.71% 33.04% 30.09% 27.93% 22.94% 21.03% 19.69% 19.56% 17 61%。 木兰宽松许可证第二版（MulanPSL- 2.0）紧随其后，获得了越来越多国内开发 者的认可的MulanPSL-2.0已经连续两年 成为了Gitee最常用开源许可证的前列。 可以预见，在未来的国内开源生态中，木 兰宽松许可证将会越来越主流。 13 / 111 本年度使用率增长最多的开源许可证 73.70% 62.96% 60.64% 59.55% 57.06% 53.11%

“先解释快速排序原理，再写出代 码并测试示例” 模糊需求（如“写个排序代码”） 多轮对话 通用模型 自然交互，无需结构化指令 “你觉得人工智能的未来会怎样？” 强制逻辑链条（如“分三点回答”） 推理模型 需明确对话目标，避免开放发散 “从技术、伦理、经济三方面分析 AI的未来” 情感化提问（如“你害怕AI吗？”） 逻辑分析 推理模型 直接抛出复杂问题 “分析‘电车难题’中的功利主义 与道德主义冲突” 批判性思考：对AI的输出保持警惕，交叉验证重要信息。 幻觉生成陷阱：当AI自信地胡说八道 陷阱症状： ▪ AI提供的具体数据或事实无法验证 ▪ 输出中包含看似专业但实际上不存在的术语 或概念 ▪ 对未来或不确定事件做出过于具体的预测 应对策略： ▪ 明确不确定性：鼓励AI在不确定时明确说明。 ▪ 事实核查提示：要求AI区分已知事实和推测。 ▪ 多源验证：要求AI从多个角度或来源验证信 息。 容符合预期标准并持续 改进 成果展示与改进建议 通过以下反思和评估的框架对AI 生成内容进行审查与质量评估： 内容全面性 论证深度 创新洞见 实践指导 结构清晰度 语言表达 跨学科整合 未来展望 递进式深化 执行技巧与注意事项 动态调整 定期回顾 交互式改进 平衡控制 整体提示语链设计框架 语用意图分析（PIA）：解码内容生成目的 �PIA的理论基础： PIA建立在语用学和言语行为理论的基础上，通过分

“先解释快速排序原理，再写出代 码并测试示例” 模糊需求（如“写个排序代码”） 多轮对话 通用模型 自然交互，无需结构化指令 “你觉得人工智能的未来会怎样？” 强制逻辑链条（如“分三点回答”） 推理模型 需明确对话目标，避免开放发散 “从技术、伦理、经济三方面分析 AI的未来” 情感化提问（如“你害怕AI吗？”） 逻辑分析 推理模型 直接抛出复杂问题 “分析‘电车难题’中的功利主义 与道德主义冲突” 批判性思考：对AI的输出保持警惕，交叉验证重要信息。 幻觉生成陷阱：当AI自信地胡说八道 陷阱症状： ▪ AI提供的具体数据或事实无法验证 ▪ 输出中包含看似专业但实际上不存在的术语 或概念 ▪ 对未来或不确定事件做出过于具体的预测 应对策略： ▪ 明确不确定性：鼓励AI在不确定时明确说明。 ▪ 事实核查提示：要求AI区分已知事实和推测。 ▪ 多源验证：要求AI从多个角度或来源验证信 息。 容符合预期标准并持续 改进 成果展示与改进建议 通过以下反思和评估的框架对AI 生成内容进行审查与质量评估： 内容全面性 论证深度 创新洞见 实践指导 结构清晰度 语言表达 跨学科整合 未来展望 递进式深化 执行技巧与注意事项 动态调整 定期回顾 交互式改进 平衡控制 整体提示语链设计框架 语用意图分析（PIA）：解码内容生成目的 �PIA的理论基础： PIA建立在语用学和言语行为理论的基础上，通过分