LFX Mentorship计划，由Linux Foundation组织，从19年开始为CNCF各个开源社区中的开发人员持续提供带薪实习和指导。往年已获10w+申请，发起800+课题，毕业600+实习生，发放超过230万美金报酬。

2024年秋季申请时间为7月31日-8月13日，远程实习将从 9 月 3 日开始为期三个月。参与到LFX Mentorship计划中，为开源项目做贡献、获得开源社区的认可同时，完成工作还能获取报酬 (位于中国的开发者报酬为$3000美金，约合￥20000人民币）。

今年KubeEdge社区在LFX Mentorship计划中准备了多个课题，感兴趣的读者可于8月13日前点击阅读全文，或到官方平台申请:https://mentorship.lfx.linuxfoundation.org/

KubeEdge社区已经连续4年参与LFX Mentorship计划，过去已为学员提供20+个项目。KubeEdge是业界首个云原生边缘计算框架、云原生计算基金会内部唯一孵化级边缘计算开源项目。在GitHub获得7.6k+Stars和2.1k+Fork，吸引了全球来自30+国家的100+贡献组织及16万+开发者。

近年来，KubeEdge社区持续开拓创新，完成业界最大规模云原生边云协同高速公路项目（统一管理10万边缘节点/50万边缘应用）、业界首个云原生星地协同卫星、业界首个云原生车云协同汽车、业界首个云原生油田项目，开源业界首个分布式协同AI框架Sedna及业界首个边云协同终身学习范式、开源业界首个分布式协同AI基准测试Ianvs。

在LFX Mentorship 2024秋季计划，KubeEdge期待再次和计算机领域新生力量一起，开拓数字未来。

秋季计划申请者需在2024年8月13日前在LFX官网完成Mentee注册及项目申请。若被接收作为Mentee，您将能在开源社区经验丰富、积极贡献的Mentor指导下为开源项目做出贡献。依据官方规定^[1]，对Mentee的申请者有以下要求:

• 计划开始时至少年满18周岁
• 所在单位和组织不禁止该实习
• 未参加另外的Linux Mentorship计划
• 开发者以个人身份参与（在校或已毕业均可）
• 具备所注册国家中工作权利且所注册国家未被计划禁止 (中国已获许可)
• 并非社区中高于最低限度贡献成员（如Maintainer、Recurring Contributor）
• 满足具体所属项目中提及的其它前置需求

根据官方安排 ^[2]，LFX Mentorship 2024年秋季活动流程如下：

• Mentee注册与项目申请 July 31 - Aug 13, 5:00 PM PDT
• 申请者评审及人事工作 Aug 14 - 27, 5:00 PM PDT
• 实习启动及任务发放 Sept 9 (Week 1)
• 中期考核及首次津贴支付 Oct 15 (Week 6)
• 结项考核、实习生报告提交，最终津贴支付批准 Nov 26, 5:00 PM PST (Week 12)
• 活动结束 Nov 29

申请者需要在8月13日前完成Mentee注册和项目申请，流程详见^[3]：https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/how-to-apply

实习申请结果预计将在 9 月 3 日通知到申请人。主线开发日期为2024年9月9日 – 11月26日，全程线上协作，无需线下参与。结项需要在2024年11月26日前以 PR 的形式提交到项目所在的开源社区仓库中并完成合并。

最后，向各位申请者推荐CNCF KubeEdge社区下列课题：

▍KubeEdge: Decouple the node cooperation ability and batch management ability of the edgeapplication

课题描述：

EdgeApplication可以通过节点组来override应用的配置(如副本数、镜像、命令和环境)，同时节点组内的 pod 流量是闭环的(由 EdgeApplication 管理的Deployment共享一个 Service)。但是在实际场景中，需要批量操作的节点范围与需要相互协作的节点范围并不一致。因此我们需要有一种解决方案来解耦 EdgeApplication 的节点协作能力和批量管理能力。

预计输出件：

• 需求方案

• 实现EdgeApplication可以被节点组或者指定lable的节点override

• 解决流量闭环 

前置技能：

Golang, Kubernetes, KubeEdge

课题导师：

WillardHu | wei.hu@daocloud.io

Elias Wang | wangbincheng4@huawei.com

课题链接：https://mentorship.lfx.linuxfoundation.org/project/89fe7f6c-052b-4597-9ba3-c016858b1835

Github Issue：https://github.com/kubeedge/kubeedge/issues/5755

▍KubeEdge: Elastic Inference for Deep Learning Models Using KubeEdge

课题描述：

人工智能的快速发展使得深度学习模型在各个领域得到广泛应用。然而，模型推理任务所需资源可能会显著波动，尤其是在高峰期，可能会给系统的计算能力带来挑战。为了应对这种不同的负载需求，我们提出了一种利用 KubeEdge 和 Pod 水平自动扩缩(HPA) 实现推理任务动态扩缩的弹性推理解决方案。通过利用 KubeEdge，我们可以在不同的边缘设备和云资源之间分配推理任务，实现资源利用和任务处理的效率。

预计输出件：

• 基于 KubeEdge 实现弹性扩缩 AI 推理示例
• 基于 KubeEdge 和 Sedna 实现联合推理任务的弹性扩缩的开发和输出示例
• 输出Blog

前置技能：

• KubeEdge，Sedna
• 部署及管理Kubernetes的经验，包括配置及调优HPA机制
• 开发与调优深度学习模型的知识
• Go与Python的编程经验

课题导师：

ming tang  | ming.tang@daocloud.io

Shelley Bao | baoyue2@huawei.com

课题链接：https://mentorship.lfx.linuxfoundation.org/project/1f58cbe5-fe3a-4d0f-9875-b1725ecac223

Github Issue：https://github.com/kubeedge/kubeedge/issues/5753

▍KubeEdge: Multimodal Large Model Joint Learning Algorithm: Reproduction Based on KubeEdge-Ianvs

课题描述：

KubeEdge-Ianvs目前主要专注于单数据模态的云边协同学习(训练和推理)。然而，诸如自动驾驶汽车等边缘设备通常会捕捉包括GPS、LIDAR和摄像头数据在内的多模态数据。单一模态的学习已经无法满足边缘设备的精确推理需求。因此，该项目旨在将主流的多模态大模型联合学习算法整合到KubeEdge-Ianvs的云边协同学习中，提供多模态学习能力。

预计输出件：

使用 KubeEdge-Ianvs 在边缘部署多模态大语言模型的基准测试套件

• 修改和调整现有的边-云数据收集接口，以满足多模态数据收集的需求
• 基于 Ianvs 实现一个多模态大语言模型 (MLLM) 基准测试套件
• 复制主流的多模态联合学习(训练和推理)算法，并将其集成到 Ianvs 单任务学习中
• (可选) 在 Ianvs 的至少一种高级范式(终身学习、增量学习、联邦学习等)中测试多模态联合学习的有效性。

前置技能：

TensorFlow/Pytorch, LLMs, KubeEdge-Ianvs

课题导师：

Chuang Hu | hchuchuang@gmail.com)

Zimu Zheng | zimu.zheng@huawei.com)

课题链接：https://mentorship.lfx.linuxfoundation.org/project/d5d315c7-aaee-46ee-895e-a0f9e6ffed4b

Github Issue：https://github.com/kubeedge/ianvs/issues/123

▍KubeEdge: Cloud-edge collaborative speculative decoding for LLM based on KubeEdge-Ianvs

课题描述：

大语言模型(LLM)的自回归解码模式决定了它只能串行解码，这限制了其推理速度。可以使用推测式解码技术结合草稿模型并行解码LLM，从而在不损失准确性的情况下提高LLM的推理速度。然而，LLM的推测式解码技术并没有考虑在云边协同环境中的应用。本项目旨在基于开源的云边协同分布式机器学习平台KubeEdge-Ianvs实现云边协作推测式解码，进一步提高云边环境下LLM的推理速度。

预计输出件：

• 基于 KubeEdge-Ianvs 实现一个云边协同推测解码的示例。
• (可选) 提出一种更加高效的云边协同推测解码算法。

前置技能：

KubeEdge-Ianvs, LLM, Pytorch, Python

课题导师：

Shijing Hu | sjhu21@m.fudan.edu.cn

Zimu Zheng | zimu.zheng@huawei.com

课题链接：https://mentorship.lfx.linuxfoundation.org/project/bfa8251f-a975-4e07-8e7a-915df3518551

Github Issue：https://github.com/kubeedge/ianvs/issues/126

▍KubeEdge: Integrate KubeEdge, Sedna, and Volcano for Efficient Task Scheduling

课题描述：

KubeEdge 和 Sedna 已经实现了云边协同训练和协同推理的能力。我们旨在与更多社区进行探索和合作，提供更强的 AI 能力。本项目旨在通过在KubeEdge与Sedna的云边协同框架内集成 Volcano实现高性能调度，从而推动分布式 AI 和边缘计算的发展。

预计输出件：

• 使用 KubeEdge 和 Sedna 成功部署训练任务，并提供example。
• 在 Sedna 中集成 Volcano 实现高性能的训练任务调度。
• （可选）在 KubeEdge 中成功部署 Kubeflow，并完成训练任务的部署，输出一篇Blog

前置技能：

KubeEdge, KubeEdge-Sedna, Volcano

课题导师：

Shelley Bao | baoyue2@huawei.com

Fisher Xu | fisherxu1@gmail.com

课题链接：https://mentorship.lfx.linuxfoundation.org/project/49fa6dab-9cb5-4889-bbeb-66c4a5545f8f

Github Issue：https://github.com/kubeedge/kubeedge/issues/5762

如果对课题内容有任何问题，欢迎在GitHub仓库提交Issue或者添加社区小助手微信向社区提问。

今年秋季，KubeEdge社区期待在 LFX Mentorship 见到您！

Reference

[1] LFX Mentorship - Application Requirement: https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/am-i-eligible 

[2] LFX Mentorship - Program Readme: https://github.com/cncf/mentoring/blob/main/programs/lfx-mentorship/2024/01-Mar-May/README.md

[3] LFX Mentorship - Mentee Application Guideline: https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/how-to-apply

扫码回复“Mentorship”

进入技术交流群