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。
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