Enso 2025.1.2-rc1 版本发布:数据科学编程语言的重大更新
Enso 是一款创新的数据科学编程语言和开发环境,它将可视化编程与传统的文本编程相结合,为数据科学家和分析师提供了一个强大的工具。Enso 独特的设计理念使得处理复杂数据工作流变得更加直观和高效。
近日,Enso 发布了 2025.1.2-rc1 版本,这是该项目的又一个重要里程碑。本次更新带来了诸多改进和新功能,涵盖了 IDE 用户体验、标准库功能扩展以及语言核心特性等多个方面。
可视化开发环境的显著改进
在 IDE 方面,2025.1.2-rc1 版本进行了多项用户体验优化。组件浏览器现在以分组列表形式展示组件,并显示简短的文档摘要,这大大提高了组件查找效率。对于数值和文本节点的创建也变得更加便捷,特别是当用户仅输入数字时,系统会智能匹配相关组件。
文档编辑功能得到了增强,现在支持编号列表和嵌套列表的渲染,并添加了编辑顶级 Markdown 元素的按钮。用户还可以通过新增的按钮快速设置文本为粗体或斜体,以及插入链接,这些改进使得文档编写更加流畅。
表格编辑器小部件的行为更加符合用户预期,点击表头即可开始编辑,使用 Tab 和 Enter 键可以在单元格和行之间快速导航。可视化表格现在支持服务器端过滤和排序,显著提升了大数据集的处理性能。
标准库功能的全面扩展
Enso 标准库在这个版本中获得了大量新功能,特别是在数据处理方面。新增的 Table.offset 和 Column.offset 方法为数据分页提供了便利。正则表达式支持被引入到过滤操作和表达式语言中,增强了文本处理能力。
数据库连接方面,现在支持通用 JDBC 连接,包括通过外部驱动程序的连接方式。Snowflake 连接器新增了密钥对认证支持,提高了安全性。对于 Delimited 文件格式,行为进行了调整,当遇到无效行时会自动添加额外列而不是丢弃数据。
数学计算功能也有所增强,表达式语言现在支持基本算术运算、pi() 和 e() 函数,以及更灵活的舍入模式控制。这些改进使得 Enso 在科学计算领域更具竞争力。
语言核心特性的优化
在语言层面,2025.1.2-rc1 版本进一步完善了类型系统。交叉类型现在具有对称性、传递性和自反性的相等特性,提高了类型检查的准确性。当调度 Any 实例方法时,系统会保持交叉类型的 self 引用,确保行为一致性。
错误处理机制更加健壮,当尝试将值注册为多个托管资源时,现在会正确地报错而不是静默失败。操作符块的应用范围也进行了调整,现在会作用于整个前置表达式而不仅仅是行末的项,这使代码行为更加符合直觉。
性能与稳定性的提升
本次发布将原生图像模式设为默认选项,这可以显著提高运行时性能。重做栈的行为更加可靠,在交互文本字面量时不再丢失。各种错误消息的显示和处理也得到了改进,例如警告和错误消息现在不会遮挡输出端口,提高了调试效率。
对于企业用户,云文件浏览器功能得到了增强,支持在写入组件时创建和重命名目录,并会警告覆盖现有文件的风险。团队计划及以上用户现在可以访问共享目录,便于协作开发。
总结
Enso 2025.1.2-rc1 版本在可视化编程体验、数据处理能力和语言核心功能等方面都取得了显著进步。这些改进不仅提高了开发效率,也扩展了 Enso 在各领域的应用潜力。对于数据科学家和分析师来说,这个版本提供了更加强大和易用的工具,能够更好地应对复杂的数据处理任务。
随着 Enso 项目的持续发展,它正在成为数据科学领域一个值得关注的选择,特别是对于那些寻求将可视化编程的直观性与传统编程语言的强大功能相结合的用户。2025.1.2-rc1 版本标志着这一目标又向前迈进了一步。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00