VisActor/VChart 1.13.9版本发布:增强图表交互与可视化能力
VisActor/VChart是一个功能强大的可视化图表库,它提供了丰富的图表类型和灵活的配置选项,帮助开发者快速构建专业级的数据可视化应用。在最新发布的1.13.9版本中,VChart团队重点优化了图表交互体验和可视化表现能力,为开发者带来了多项实用改进。
核心功能增强
轴数据筛选器支持上下文功能
在1.13.9版本中,轴数据筛选器(axis datafilter)新增了对上下文的支持。这一改进使得开发者可以在筛选操作中获取更多上下文信息,从而能够实现更复杂的筛选逻辑和交互效果。例如,当用户进行数据筛选时,可以基于当前视图状态或其他图表组件的状态来动态调整筛选行为。
仪表盘图表优化
针对仪表盘(gauge)图表,新版本增加了当标记超出轴线范围时的裁剪支持。这一改进解决了当仪表盘指针或其他标记元素超出预设范围时的显示问题,确保了图表在任何情况下都能保持整洁美观的视觉效果。
标记线与标记区域的多标签支持
标记线(markLine)和标记区域(markArea)现在支持渲染多个标签。这一增强使得开发者可以在同一标记上展示更多信息,例如同时显示数值、百分比和说明文字等,大大提升了图表的信息承载能力和可读性。
交互体验优化
刷选交互重构
本次版本对刷选(brush)交互进行了全面重构,解决了多个长期存在的问题。新的刷选交互更加稳定和灵活,特别是在处理复杂数据场景和多个图表联动时表现更佳。这一改进使得数据探索和分析体验更加流畅。
十字准线改进
修复了当bandSize为0时矩形十字准线(rect crosshair)的坐标计算问题,确保了在各种数据分布情况下十字准线都能准确定位。同时,为十字准线的defaultSelect属性添加了axisIndex的默认值0,简化了配置过程。
问题修复与稳定性提升
1.13.9版本还包含多项问题修复,包括:
- 修复了更新图表规格(updateSpec)时普通动画事件监听器未清除的问题,避免了内存泄漏
- 解决了数据缩放(datazoom)组件文本类型错误的问题
- 修正了标题标签在autoWidth为true时宽度自适应的问题
- 修复了空数据占位符在数据更新后未及时更新的问题
- 改进了标记线的有效性判断逻辑
总结
VisActor/VChart 1.13.9版本通过多项功能增强和问题修复,进一步提升了图表的交互体验和可视化表现力。特别是对轴数据筛选器、仪表盘图表和标记元素的改进,为开发者提供了更多灵活性和控制力。这些改进使得VChart在各种数据可视化场景中都能提供更加专业和可靠的解决方案。
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-X1-7BSpark-Prover-X1-7B 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-X1-7BSpark-Formalizer-X1-7B 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).Dockerfile015
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