JRuby 9.4.10.0版本发布:Ruby 3.1兼容性与性能优化
JRuby作为JVM平台上的Ruby实现,近日发布了9.4.10.0版本。这个版本继续专注于Ruby 3.1的兼容性,同时带来了多项性能优化和功能改进。JRuby通过将Ruby代码编译为Java字节码运行在JVM上,使得Ruby开发者能够充分利用Java生态系统的强大功能。
Ruby兼容性增强
本次更新在Ruby语言兼容性方面有几个重要改进。首先修复了处理heredoc时可能出现的NegativeArraySizeException崩溃问题,这对于处理多行字符串的开发者来说是个重要的稳定性修复。
另一个值得关注的改进是引入了对Ruby 3.3中NoMethodError和NameError行为的可选支持。在Ruby 3.3中,这些错误不再自动检查目标对象,这可以避免在某些情况下导致的内存问题。JRuby现在通过-XnameError.inspect.object=false标志或JVM属性jruby.nameError.inspect.object=false让开发者可以选择启用这一行为。
此外,这个版本还实现了Process.argv0方法,这是近期Bundler版本所依赖的功能,解决了相关兼容性问题。
标准库更新
JRuby 9.4.10.0对其标准库进行了多项更新。jar-dependencies gem现在可以独立于JRuby进行更新,这为依赖管理提供了更大的灵活性。同时,修复了在容器部署中获取jar依赖的问题,提高了在容器化环境中的兼容性。
Psych gem更新到了5.2.3版本,包含了对YAML别名处理的修复,这对于处理复杂YAML文档的开发者来说是个好消息。Reline gem也更新到了0.5.12版本,改进了交互式Ruby shell(IRB)的体验。
Java集成改进
在Java集成方面,这个版本做了几项优化。现在只有来自与JRuby相同类加载器层次结构的JVM类才会被绑定到JRuby包层次结构中的常量,这提高了类加载的安全性。实现Java接口时不再产生常量重定义警告,减少了开发中的干扰信息。
预编译Ruby脚本现在能正确处理优化的同构case/when语句,解决了之前反序列化时可能出现的分支混乱问题。
性能优化
性能方面有几个值得关注的改进。运行时数据结构在JRuby运行时销毁时会被主动清理,这有助于垃圾回收,减少内存占用。Class#subclasses方法经过优化,不再成为复杂ActiveRecord STI查询的瓶颈。
整数乘法运算在超出int64范围时的性能得到提升,消除了频繁异常抛出带来的性能损耗。这些优化对于数值计算密集型应用将带来明显的性能提升。
开发者体验
对于开发者体验,这个版本修复了JRuby shell启动脚本处理路径中包含空格的问题,提高了在复杂路径环境下工作的可靠性。线程转储工具也进行了更新,以适应现代JRuby版本的需求。
总的来说,JRuby 9.4.10.0在稳定性、兼容性和性能方面都做出了有价值的改进,特别是对于需要与Java生态系统集成的Ruby开发者来说,这些更新将带来更好的开发体验和运行效率。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00