Harmony 2.3.6版本发布:修复兼容性问题与功能增强
Harmony项目简介
Harmony是一个强大的.NET库,主要用于在运行时对现有方法进行修改和扩展,实现方法拦截和补丁功能。它广泛应用于游戏模组开发、企业应用扩展等场景,为开发者提供了在不修改原始代码的情况下改变程序行为的能力。
2.3.6版本核心改进
关键修复:二进制兼容性问题
2.3.5版本中存在的二进制兼容性问题在此版本中得到了彻底修复。这个问题可能导致在某些情况下方法调用出现异常,特别是在处理特定类型转换时。开发团队对此表示歉意,并建议所有使用2.3.5版本的用户尽快升级到2.3.6版本。
方法委托增强
MethodDelegate功能得到了显著增强,现在支持:
- 值类型与对象类型之间的互换
- 在值类型上允许对第一个参数使用ref关键字
这一改进使得方法委托在处理不同类型参数时更加灵活,特别是在处理值类型和引用类型转换的场景下。
代码匹配器改进
CodeMatcher类新增了InsertAfter方法,为代码注入提供了更多控制选项。同时,异常处理机制得到了优化,使得在代码注入过程中出现问题时能够提供更清晰的错误信息。
类型处理优化
对于TypeCode.DateTime和TypeCode.Decimal类型,现在使用更合适的指令进行处理,提高了类型转换的准确性和效率。
性能提升
AccessTools.TypeByName()方法的性能得到了显著提升,通过优化类型查找算法减少了查找时间。同时新增了AccessTools.TypeSearch()方法,为类型搜索提供了更多选择。
参数处理修复
修复了在处理__args参数与out bool参数组合时的bug,确保了参数传递的正确性。这一修复特别影响那些使用动态参数传递的高级补丁场景。
开发者注意事项
-
从2.3.5升级时,需要注意二进制兼容性问题的修复可能会影响某些特定场景下的方法调用行为。
-
新增的
InsertAfter方法为代码注入提供了新的可能性,开发者可以更灵活地控制注入位置。 -
在处理DateTime和Decimal类型时,新的指令处理方式可能会影响现有补丁的行为,需要进行测试验证。
-
性能优化后的类型查找方法可以显著提升大型项目中的补丁加载速度。
总结
Harmony 2.3.6版本虽然是一个修复版本,但带来了多项重要改进和功能增强。从二进制兼容性修复到性能优化,再到新功能的添加,这个版本为开发者提供了更稳定、更高效的补丁开发体验。建议所有使用Harmony的开发者评估升级的必要性,特别是那些遇到2.3.5版本兼容性问题的项目。
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 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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