開發者社區技術週刊 又和大家見面了，快來看看這周有哪些值得我們開發者關注的重要新聞吧。
谷歌發佈 Flutter 2
京東雲新一代自研雲服務器4月上線
Apache Flink 1.12.2 發佈，流批一體真正統一運行！
人行道機器人在賓夕法尼亞等州已經被視同“行人”
混合現實平臺 Mesh 重磅推出，科幻融入現實
Facebook 新 AI 模型 SEER 實現自監督學習
EMNLP 2020丨基於超邊融合的文本增強知識圖譜開放域問答
COLING 2020丨面向機器閱讀理解的雙向認知思維網絡
行 業 要 聞.Industry News
1.谷歌發佈 Flutter 2
3 月 4 日，谷歌重磅發佈了下一代 Flutter，專爲 Web、移動和桌面而構建的 Flutter 2！ Flutter 的重大升級版本 Flutter 2 爲了從根本上改變開發者對構建應用的看法，將 Flutter 從移動開發框架擴展成可移植框架，因而開發者無需重寫代碼即可將應用擴展至桌面或網頁。 此外，利用 Flutter 2 還能實現許多功能：
開發者可使用相同的代碼庫，將本地應用發佈到五個操作系統上：iOS、Android、Windows、macOS 和 Linux；
針對 Chrome、Firefox、Safari 或 Edge 等瀏覽器提供不同的網絡體驗；
Flutter 還可以嵌入汽車、電視和智能家用電器。
2.京東雲新一代自研雲服務器 4 月上線
3 月 2 日消息，新一代自研京東雲服務器將於 2021 年 4 月上線， 雲實例承載能力將比同價格的標準品提升2倍以上。 第二代京東雲服務器將同時擔負起京東集團內部應用支撐，以及京東雲對外服務。第二代京東雲服務器是繼第一代服務器“微定製”之後，基於內部多樣化海量業務需求，以及京東雲各行業客戶需求， 自主研發與深度創新的新一代雲服務器基礎架構， 通過系統架構設計創新、核心部件創新，實現了高效、靈活、高性價比的目標。後續，京東雲還將把這些自研創新成果，通過開源社區回饋給行業，爲 IT 行業的創新發展做更多貢獻。
3.Apache Flink 1.12.2 發佈，流批一體真正統一運行！
Apache Flink 來到了 1.12.2 版本，此版本集中在 bug 的修復上。以下是部分更新內容：
修復當操作人員頻繁使用託管內存時，託管內 run 可能無法及時釋放的問題；
修復EXPLAIN 語句文檔中的拼寫錯誤；
記錄2.12.8 以後與 Scala 的二進制兼容情況等。
更多更新詳情請訪問：
https://flink.apache.org/news/2021/03/03/release-1.12.2.html
4.人行道機器人在賓夕法尼亞等州已經被視同“行人”
在達拉斯的德克薩斯大學，一個人行道機器人在人行道上漫步。" 我們已經有大約 1000 個這樣的機器人在外面跑來跑去，" Starship 的 Ryan Tuohy 表示。隨着小型機器人在人行道和城市街道上的激增，立法也給予它們慷慨的訪問權，甚至在賓夕法尼亞州的案例中，將它們歸類爲 "行人"。
5.混合現實平臺 Mesh 重磅推出，科幻融入現實
3 月 6 日消息 微軟近日發佈了混合現實雲平臺 “微軟 Mesh”的首部宣傳片，該宣傳片演示了 MR（混合現實）產品所提供的臨場感和遠程實時共享體驗。Mesh 通過混合現實技術，可在任何設備（手機、平板、個人電腦、虛擬現實VR眼鏡等）來實現身臨其境的現場感和共享體驗。讓相隔萬里的人們將自身影像傳送到同一空間，進行虛擬的 3D 內容互動，彼此交流。 微軟推出兩個基於 Mesh 平臺構建的應用：用戶 HoloLens 的 Mesh 預覽版本， 可用於遠程協作，訪問支持 Mesh 的 AltspaceVR 新版本，在虛擬現實中舉行會議和工作聚會，具備企業級安全；Mesh 整合到 Teams、Dynamics 365 上，相信未來還將有更多創新應用場景。
6.Facebook 新 AI 模型 SEER 實現自監督學習
Facebook 研究人員日前發佈了一個新的人工智能模型 SEER， SEER 模型可以利用互聯網上任何一組隨機的、未被標記的圖像進行學習。 Facebook 這一“突破”雖然還處於早期階段，但團隊預計該“突破”將導致計算機視覺領域的一場"革命"。SEER 是 SElf-SupERvised（自我監督[學習]）的英文縮寫，SEER 的訓練用了 10 億張公開的 Instagram 圖片，這些圖片是未經人工策劃過的。即圖片沒有做過通常用於算法訓練的標籤和註釋處理，但 SEER 仍然能夠自主地利用數據集一邊學習一邊處理數據，最終可以在物體檢測等任務上達到最高的準確度。
學 術 前 沿.Academic News
1.EMNLP 2020丨基於超邊融合的文本增強知識圖譜開放域問答
知識庫的不完整性是限制知識庫問答系統表現的關鍵因素。在知識庫外部，文本擁有比知識庫更豐富的信息，可用於彌補知識庫的不完整性，但同時文本對於計算機更難理解。 該文提出一種利用文本來增強知識庫的新的 QA 方法，模型通過文本中蘊含的語義信息來豐富實體表示，並利用圖卷積網絡來更新實體狀態。 另外，爲了探索文本的潛在結構信息，作者將文本視爲連接實體的超邊，來補充知識庫中不完整的關係。超圖卷積網絡被用於超圖形式的文本上的推理。在 WebQuestionSP 基準測試上的實驗證明了該模型在不同 KB 上的有效性。
*論文鏈接：
https://www.aclweb.org/anthology/2020.findings-emnlp.133
2.COLING 2020丨面向機器閱讀理解的雙向認知思維網絡
本文從模擬人類認知行爲的角度入手， 通過設計神經網絡模擬逆向思維和慣性思維實現了機器閱讀理解模型效果的提升。 作者借鑑人類的認知行爲習慣進行機器閱讀理解。因此本文需要解決的問題就是：借鑑哪些行爲習慣，如何借鑑，如何與機器閱讀理解模型進行融合。本文從模擬人類認知行爲的角度入手，通過設計神經網絡模擬逆向思維和慣性思維實現了機器閱讀理解模型效果的提升。
*論文鏈接：https://arxiv.org/abs/2010.10286
以上信息來源於網絡，由“京東科技開發者”公衆號編輯整理，不代表京東科技立場
推薦閱讀
歡迎點擊【京東科技】，瞭解開發者社區
更多精彩技術實踐與獨家乾貨解析
歡迎關注【京東科技開發者】公衆號
