The Turing Way项目五周年庆典:开放科学社区的发展与展望
The Turing Way是一个由社区驱动的开放科学项目,旨在为数据密集型研究提供可重复性、伦理性和协作性的实践指南。该项目于2019年在英国Loughborough举办的Collaborations Workshop上首次发布,经过五年的发展,已成长为一个拥有450多位协作者、300多章节的综合性资源库。在即将到来的CW24研讨会上,The Turing Way社区计划举办一场特别的60分钟工作坊,庆祝这一里程碑,并展望未来发展方向。
核心章节展示
工作坊将重点展示三个与CW24主题相契合的章节:
-
代码测试实践
作为项目最早发布的章节之一,该部分强调在AI辅助编程时代保持"人类在环"的重要性。随着大型语言模型被广泛用于代码生成,本章节特别警示了完全依赖AI编写测试用例的风险——这相当于让AI"自己批改作业"。社区将分享如何建立有效的测试流程,确保代码质量的同时保持人类监督。 -
数字研究的环境影响
这一章节体现了The Turing Way与Pangeo、环境数据科学手册等社区的协作成果。内容不仅涵盖如何将开放研究实践应用于环境数据科学,还深入探讨了如何评估和减少数据科学工作流程的碳足迹。社区成员正在参与ELIXIR环境影响焦点小组等工作,推动该领域的实践发展。 -
包容性研究活动设计
这是即将合并的新章节,由AI for Multiple Long Term Conditions研究支持设施与The Turing Way可访问性工作组联合开发。该指南特别关注如何有效整合患者和公众参与(PPIE),打破"公民"与"科学家"之间的界限,确保研究活动对各类参与者都具有包容性。
互动环节设计
工作坊将采用混合形式,同时照顾线下和线上参与者的体验:
-
回顾与展望讨论:通过分组讨论,收集社区对过去五年开放科学发展变化的观察,以及对未来五年前景的预测。线下使用便利贴,线上使用Miro协作板记录观点(组织者已注意到Miro的可访问性限制,将安排专人协助视障参与者)。
-
生日庆祝环节:工作坊最后将进行简短的生日庆祝,线下参与者可以共享蛋糕(包含素食和无麸质选项),全体成员齐唱生日歌,象征社区的持续成长与活力。
社区协作模式
The Turing Way的成功很大程度上归功于其开放的协作模式:
- 任何人都可以通过GitHub提出修改建议或新增内容
- 定期举办协同写作会议,降低新贡献者的参与门槛
- 建立专门的主题频道(如环境可持续性频道)深化特定领域的讨论
- 通过播客、新闻通讯等多渠道扩大影响力
这种模式不仅保证了指南内容的多样性和时效性,也培养了一个全球性的开放科学实践者网络。五周年庆典既是对过往成就的肯定,也是对未来协作创新的号召。随着AI技术、环境挑战等新议题不断涌现,The Turing Way社区将继续演化,为负责任的研究实践提供与时俱进的指导。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00