Waves平台v1.5.10版本发布:ecrecover修复与Scala 3迁移
Waves是一个去中心化的区块链平台,专注于提供高性能的智能合约和去中心化应用(DApp)开发环境。平台采用独特的Ride编程语言设计,使得智能合约开发更加安全和高效。Waves网络支持多种功能,包括代币发行、去中心化交易和跨链互操作性等。
核心协议增强
本次发布的v1.5.10版本带来了重要的协议层修复,主要针对ecrecover函数的实现问题。ecrecover是Ride语言中用于从签名恢复公钥的关键函数,在验证交易签名和实现特定类型的智能合约逻辑中扮演着重要角色。
在之前的版本中,ecrecover函数存在一个边界条件处理缺陷,导致某些特定情况下无法正确恢复公钥。这个问题可能会影响依赖该函数进行签名验证的智能合约的正确执行。开发团队通过深入分析椭圆曲线数字签名算法(ECDSA)的实现细节,修复了这一问题,确保了所有符合规范的签名都能被正确解析和验证。
技术架构升级
本次发布的另一个重要变化是完成了代码库从Scala 2到Scala 3的迁移。Scala作为Waves节点实现的主要编程语言,其3.0版本带来了多项改进:
- 更简洁的语法和更好的类型推断
- 改进的元编程能力
- 更高效的编译器
- 更好的互操作性
这次迁移不仅提升了代码的可维护性,也为未来引入更多高级功能奠定了基础。开发团队在迁移过程中确保了向后兼容性,现有功能不受影响。
网络升级说明
v1.5.10是一个强制性升级版本,所有节点运营者都需要更新。升级过程相对简单,从v1.5.9版本升级时不需要重建状态数据,这大大减少了升级所需的时间和资源。
网络将通过投票机制激活ecrecover修复功能。这一设计体现了Waves网络的去中心化治理理念,让社区成员能够共同决定协议的演进方向。
版本兼容性与验证
为了确保升级包的安全性,官方提供了详细的SHA256校验和。节点运营者在下载安装包后,应当验证文件的完整性,防止潜在的中间人攻击或文件损坏。
该版本提供了完整的部署方案,包括:
- 主网、测试网和stagenet的DEB包
- 通用的JAR包
- gRPC服务器组件
- Ride运行环境
这种多格式的发布策略满足了不同部署场景的需求,无论是云服务环境还是本地节点都能找到合适的安装方式。
总结
Waves v1.5.10版本虽然是一个维护性更新,但其包含的协议修复和技术升级为网络的稳定性和未来发展奠定了更坚实的基础。ecrecover函数的修复增强了智能合约的安全性,而Scala 3的迁移则为后续开发工作提供了更好的技术平台。节点运营者应当尽快完成升级,以享受这些改进带来的好处。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00