Scala Steward 0.33.0 版本发布:构建工具支持与配置增强
Scala Steward 是一个专注于自动化管理 Scala 项目依赖的工具,它能够帮助开发者保持项目依赖的最新状态,自动创建 Pull Request 来更新过时的依赖项。最新发布的 0.33.0 版本带来了多项重要改进,特别是在构建工具支持和配置灵活性方面。
核心功能增强
构建工具支持扩展
新版本显著增强了对多种构建工具的支持:
-
Mill 构建工具改进:现在可以编辑
.mill文件,并从build.mill和build.mill.scala文件中提取 Mill 插件依赖。同时优化了 Mill 0.11 的运行参数,使用--disable-ticker替代了--ticker false。 -
Scala CLI 支持:新增了对 Scala CLI 构建中 Scalafix 迁移的支持,同时禁用了内置的 Scala CLI 规则,确保迁移过程更加稳定。
-
Gradle 版本目录解析:现在能够从 Gradle Version Catalogs 中提取依赖信息,扩展了对 Gradle 构建系统的支持范围。
配置灵活性提升
0.33.0 版本在配置方面做了多项优化:
-
多解析器支持:现在可以配置多个默认解析器,为依赖解析提供更大的灵活性。
-
Pull Request 长度限制:新增了可配置的最大 Pull Request 长度限制,避免生成过长的更新说明。
-
配置类优化:所有配置类中的值现在都变为可选,提供了更灵活的配置方式。
内部架构改进
在技术架构方面,本次更新包含多项重构和优化:
-
JSON 处理改进:移除了 circe-generic-extras 依赖,改用自定义的手写编码器/解码器,提高了序列化/反序列化的可控性。
-
Scala 3 兼容性:项目现在支持使用 Scala 3 进行交叉构建,并修复了多项与 Scala 3 兼容性相关的问题。
-
代码质量提升:通过多项重构优化了代码结构,包括使用
Order[Version]简化版本比较逻辑,重写缓存检查为 for-comprehension 形式等。
依赖更新
作为依赖管理工具,Scala Steward 自身也保持依赖的最新状态:
- 更新了多个核心依赖,包括 Mill 到 0.12.x 系列,Cats 到 2.13.0,以及各种测试和工具链依赖
- 特别注意解决了 sbt 1.10.8 的兼容性问题
总结
Scala Steward 0.33.0 版本通过扩展构建工具支持、增强配置灵活性以及优化内部架构,进一步巩固了其作为 Scala 生态系统中依赖管理自动化工具的地位。这些改进使得它能够更好地服务于使用不同构建工具的 Scala 项目,同时为维护者提供了更精细的控制选项。对于依赖管理自动化有需求的 Scala 团队,升级到这个版本将获得更全面和稳定的功能支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00