作为一家开发开源Web框架(类似于Next.js)的初创公司,Remix日前与Shopify发布联合声明,称已经被后者正式收购。虽然具体交易细节并未披露,但在一篇博客文章中,Remix公司CEO Michael Jackson表示,Remix将由此获得Shopify的“长期支持与助力”,帮助其“加快增长速度”并“专注于提升性能与可扩展性。”
Jackson表示,“未来,大家会看到越来越多的商业网站引入Remix框架。此外,Shopify本身也将在多个项目中使用Remix。随着时间推移,Shopify旗下也将地有更多开发者平台为Remix提供优先支持。”
Remix由Twitter前工程师Jackson及Ryan Florence于2020年共同创立。在决定推出Remix框架之前,两人已经投入多年围绕React(一款用于构建应用程序UI的JS库)创建开源工具。
Jackson与Florence最知名的开发成果之一就是React Router,这个React库迄今为止已经被下载近10亿次。事实上,Shopify最初就使用React Router来构建Hydrogen,即该公司用于构建自定义Shopify店面的前端Web开发框架。
至于Remix,这是一款全栈Web框架,在强调利用分布式系统和原生浏览器功能的同时,将后端服务器任务抽象出来。它能够与多种公有云环境相兼容,包括亚马逊云服务、Google Cloud、Netlify、Vercel以及Cloudflare Workers。作为一大核心功能,Remix的预取设计能够在用户实际点击之前并行预取网页元素,借此忽略链接上不必要的按钮和表单、实现最小化页面加载。
在被Shopify收购之前,Remix已经从OSS Capital和天使投资人Naval Ravikant、Ram Shriram及Sahil Lavingia处筹集到300万美元种子轮资金。
Shopify工程副总裁Dion Almaer在Shopify工程博客上的文章中表示,通过引入Hydrongen的种种改进要素,Shopify的开发者及商家都将从Remix收购案中获益。
Almaer表示:“Remix将继续保持独立的开源框架身份。Remix将帮助Hydrogen开发者们在数据加载、路由和错误处理上面临的挑战……Shopify将把Remix引入众多意义重大的项目,大家也将看到我们的开发者平台随时间推移为Remix提供优先支持。”
Remix是Shopify自今年5月以21亿美元收购配送技术提供商Deliverr之后的又一次交易。今年年初,Shopify还收购了专为品牌管理营销活动的Dovetail。而且继对CMS开发商Sanity和营销自动化初创公司Klaviyo做出股权承诺之后,Shopify最近还投资了Single——Shopify平台上一款广受好评的音乐和视频应用。
在经历艰难的第二季度之后,有迹象表明Shopify似乎已经度过了经济低迷期。该公司上周公布的第三季度亏损低于预期,好消息也使其股份当场飙升17%。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。