Lodestar v1.26.0-rc.0版本发布:Electra升级与性能优化
Lodestar是区块链2.0的TypeScript实现,由ChainSafe团队开发维护。作为区块链生态中的重要客户端,Lodestar为开发者提供了使用JavaScript/TypeScript构建信标链和验证器客户端的解决方案。本次发布的v1.26.0-rc.0版本是一个重要的预发布版本,主要围绕Electra升级和网络性能优化展开。
Electra升级支持
本次版本最显著的变化是增加了对Electra硬分叉的初步支持。开发团队实现了Electra规范中的多项关键功能:
-
Electra验证者惩罚处理:完善了验证者在Electra网络中的惩罚机制,确保网络安全性。当验证者行为不当时,系统能够正确识别并执行相应的惩罚措施。
-
部分提款余额计算:优化了部分提款情况下的余额计算逻辑,确保在Electra网络升级后,验证者能够准确计算部分提款后的剩余余额。
-
执行请求处理:根据EIP-7685规范,改进了执行请求的序列化和反序列化过程,确保与执行层的交互数据格式正确无误。
网络性能优化
在网络通信方面,本次更新带来了多项改进:
-
Blob数据传输监控:新增了Blob数据传输的指标收集和仪表板,使节点运营者能够更直观地监控网络中的Blob数据传输情况。
-
速率限制调整:更新了BeaconBlocksByRoot/Range和BlobSidecarsByRoot/Range请求的速率限制策略,使用Deneb阶段设定的值,优化了网络资源分配。
-
区块生产选择日志:在区块生产选择过程中增加了原因说明日志,帮助开发者更好地理解区块选择逻辑。
数据结构与算法改进
在底层数据结构处理方面,本次更新包含多项优化:
-
大整数支持:使用Bigint类型处理存款索引,确保能够处理大数值情况下的存款记录。
-
随机值计算:采用16位随机值计算验证者索引,提高了验证者选择过程的随机性和公平性。
-
SSZ序列化优化:移除了冗余的blockBytes/blobBytes处理,简化了数据结构序列化过程。
验证者相关改进
针对验证者操作,本次更新特别关注:
-
单条证明处理:完善了单条证明(SingleAttestation)的处理逻辑,包括正确的签名提取和验证者索引获取。
-
缓存优化:改进了证明缓存机制,移除了聚合位(aggregation bits)的缓存,提高了缓存效率。
-
自愿退出检查:在处理验证者自愿退出时,增加了待处理提款余额的检查,确保验证者满足退出条件。
开发者工具与测试
为提升开发体验,本次更新还包含:
-
性能测试框架:将性能测试迁移至@chainsafe/benchmark框架,提供更准确的性能基准。
-
SSZ版本升级:将SSZ及相关配套包升级至v1.0.0版本,确保使用最新的序列化标准。
-
多分支类型支持:为IndexedAttestation添加多分支类型支持,提高代码的灵活性和可维护性。
这个预发布版本标志着Lodestar向全面支持Electra升级迈出了重要一步,同时也为网络性能和稳定性带来了显著提升。开发团队鼓励节点运营者在测试环境中部署此版本,为即将到来的主网升级做好准备。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C083
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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