Ceres-Solver 编译问题:与 glog 0.8.0 开发版本的兼容性问题
在编译 Ceres-Solver 2.2.0 版本时,用户可能会遇到与 glog 0.8.0 开发版本的兼容性问题。这个问题主要出现在测试模块中,具体表现为 ScopedMockLog 类的实现与 glog 库的接口不匹配。
问题现象
当用户按照标准流程编译 Ceres-Solver 时,在构建测试模块时会遇到编译错误。错误信息显示 ScopedMockLog 类的 send 方法被标记为 override,但实际上并没有正确覆盖基类的虚函数。这是因为 glog 0.8.0 开发版本中 LogSink 接口的 send 方法签名发生了变化。
问题原因
Ceres-Solver 的测试代码中使用了 mock 日志功能,其中 ScopedMockLog 类继承自 google::LogSink。在 glog 0.8.0 开发版本中,LogSink::send 方法的参数列表发生了变化,新增了一个 LogMessageTime 参数,而 Ceres-Solver 的 mock 实现尚未适配这一变更。
解决方案
对于大多数用户来说,有以下两种解决方案:
-
禁用测试构建
这是最简单的解决方案,适合那些只需要使用 Ceres-Solver 核心功能的用户。在运行 cmake 时添加-DBUILD_TESTING=OFF参数即可:cmake ../ceres-solver-2.2.0 -DBUILD_TESTING=OFF -
修改测试代码
对于需要运行测试的开发人员,可以修改internal/ceres/gmock/mock-log.h文件,更新 ScopedMockLog::send 方法的签名,使其与 glog 0.8.0 的接口保持一致。
影响评估
禁用测试构建不会影响 Ceres-Solver 的核心功能。测试模块主要用于开发过程中的验证,对最终用户的使用没有影响。所有核心算法和功能都会正常编译和安装。
建议
对于普通用户,建议采用第一种方案,即禁用测试构建。这样可以快速完成安装,不影响后续使用。对于参与 Ceres-Solver 开发的贡献者,则需要关注这一兼容性问题,并在适当的时候更新测试代码以适应新版本的 glog。
总结
Ceres-Solver 与 glog 0.8.0 开发版本的兼容性问题主要影响测试模块的构建。用户可以通过简单的配置调整来解决这个问题,而不会影响库的核心功能。这反映了开源生态系统中不同组件版本间可能存在的兼容性挑战,也展示了灵活构建系统的重要性。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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