EDDiscovery 18.1.9版本更新:星际探索工具的全面升级
项目概述
EDDiscovery是一款专为《精英:危险》(Elite Dangerous)游戏设计的第三方辅助工具,它为星际探索者提供了强大的数据追踪、分析和可视化功能。作为游戏社区中最受欢迎的辅助工具之一,EDDiscovery能够解析游戏日志、整合第三方数据源,并为玩家提供深度的游戏数据分析。
核心功能更新
1. 新增飞船与模块支持
最新版本18.1.9增加了对Corsair飞船的完整支持,包括其所有模块数据。同时,18.1.5版本已加入了对Cobra Mk V飞船的支持。开发团队持续跟踪游戏更新,确保所有新飞船及其工程改造参数都能在工具中准确显示。
2. 殖民地事件追踪
18.1.9版本新增了对游戏中殖民地事件的追踪功能,玩家现在可以更全面地了解星际殖民活动的进展和变化。
3. 材料面板革新
材料面板进行了视觉和功能上的重大改进,新增了直观的图标视图模式。玩家可以通过顶部材料图标在传统视图和新视图之间切换,这一改进显著提升了材料管理的便捷性。
4. 势力面板增强
势力面板现在提供更多信息列,并在游戏过程中能更好地处理数据更新。统计数据展示也进行了优化,使玩家能更清晰地掌握各势力的动态。
技术优化与改进
1. 星际势力数据支持
18.1.8版本引入了星际势力文本输出功能,支持FSDJump、Location和CarrierJump事件。更重要的是,该版本开始向EDDN(Elite Dangerous Data Network)发送星际势力信息,使各大游戏网站能够获取最新的星际势力状态数据。
2. 扫描网格改进
扫描网格现在显示与扫描面板相同的图标,文本信息更加清晰,新增了更多信息列,并修复了排序问题。还增加了高价值筛选器,帮助玩家快速识别有价值的探索目标。
3. 多语言支持
开发团队持续改进多语言支持,特别是德语和西班牙语的翻译质量。值得注意的是,法语翻译目前仍需要社区贡献者的参与完善。
4. 数据同步优化
针对Inara同步进行了多项改进,包括确保任务完成时的材料和商品奖励正确上传,以及在游戏开始时上传微资源计数以保证Inara拥有最新数据。
技术细节与修复
- 修复了Type 8和Mandalay飞船的工程数值问题
- 解决了多机组模式下可能错误添加他人飞船到飞船列表的问题
- 改进了有机扫描估值系统,现在包含Thargoid相关价值
- 优化了日志读取速度,提升了整体性能
- 修复了3D地图在旋转视图后移动方向错误的问题
- 解决了用户定义组在旅行历史记录和材料面板中的保存问题
- 市场数据自动切换功能恢复正常工作
用户界面改进
- 任务面板现在仅显示原始系统名称,不再包含坐标和系统地址
- 系统信息右键菜单增加了更多选项
- 书签面板现在可以将系统推送到远征面板
- 截图功能增加了更多命名选项,特别是短天体名称的支持
- 材料收集上限逻辑优化,正确处理日志中材料已达上限的情况
总结
EDDiscovery 18.1.9版本通过持续的功能增强和问题修复,为《精英:危险》玩家提供了更全面、更稳定的游戏辅助体验。从新增飞船支持到殖民地事件追踪,从界面革新到数据同步优化,这一系列改进都体现了开发团队对细节的关注和对玩家需求的响应。无论是资深指挥官还是新晋飞行员,都能从这个强大的工具中获得有价值的游戏洞察和便利功能。
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