Code.org v2025-05-28.0版本技术解析与功能增强
Code.org是一个致力于推广计算机科学教育的非营利组织平台,通过提供丰富的在线编程课程和工具,帮助全球学生和教师学习编程知识。本次发布的v2025-05-28.0版本包含多项功能改进和问题修复,主要涉及AI教学助手、课程管理、UI优化等方面。
AI教学助手功能增强
本次更新对AI教学助手功能进行了多项优化。在Python实验室环境中,现在允许aiTutor2使用AI聊天功能,这将为学生提供更智能的编程辅助。同时,平台还调整了Python实验室头部按钮工具提示的位置,将其移至底部,改善了用户界面体验。
值得注意的是,平台还特别为TA评估功能关闭了不雅内容过滤机制,这一调整将允许教学助理在评估学生作业时获得更准确的反馈信息,而不会因为内容过滤机制导致关键信息被屏蔽。
课程管理与导航改进
在课程管理方面,本次更新修复了Unit类中summarize相关方法的标题显示问题,确保了课程单元信息的准确呈现。同时,当LessonsController接收到未知的script_id时,现在会正确抛出RecordNotFound异常,提高了系统的健壮性。
平台还对区域性合作伙伴搜索功能进行了重定向调整,将旧的搜索界面重定向至新的Workshop Catalog,这一改进简化了用户导航流程,提升了使用体验。
用户界面优化与响应式设计
在用户界面方面,本次更新包含多项优化措施。Alert组件的文本链接布局响应性得到了改进,使其在不同设备上都能保持良好的显示效果。Carousel组件现在默认启用了allowTouchMove属性,提升了移动设备上的滑动体验。
特别值得一提的是,Lab2分享模态框现在采用了主题化设计,使界面风格更加统一美观。错误页面样式也进行了更新,提供了更好的视觉呈现。
测试与部署优化
在测试和部署流程方面,开发团队进行了多项改进。现在PR构建过程中将始终使用Drone缓存,这可以显著提高构建效率。同时,修复了模块化课程进度眼睛测试的问题,并跳过了部分Pegasus UI测试,优化了测试流程。
Docker环境中现在启用了Turbo功能,这将提升开发环境的性能表现。营销相关组件也被重新组织,将自定义组件移动到/components/contentful目录下,并重组了组件侧边栏,使项目结构更加清晰。
实验性功能引入
平台引入了Blockly键盘实验功能,现在可以通过脚本参数和URL标志启用这一特性。这将为使用键盘操作Blockly编程环境的用户提供更好的支持,特别是对于有特殊需求的用户群体。
总结
Code.org v2025-05-28.0版本通过多项功能增强和问题修复,进一步提升了平台的稳定性、可用性和用户体验。从AI教学助手的改进到课程管理的优化,再到用户界面的精细化调整,这些变化都体现了Code.org团队对教育技术质量的持续追求。这些更新将为全球的编程学习者提供更加流畅、高效的学习体验。
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