RGBDS 0.9.1版本发布:Game Boy开发工具链的重要更新
RGBDS(Rednex Game Boy Development System)是一套专为Game Boy平台开发的工具链,包含汇编器、链接器、图形转换工具等组件。作为GB游戏开发的核心工具,RGBDS的最新0.9.1版本带来了一系列改进和修复,进一步提升了开发体验和稳定性。
跨平台支持增强
0.9.1版本的一个显著改进是增强了跨平台支持能力。开发团队现在通过GitHub Actions CI在Cygwin x64和FreeBSD 15.0环境下进行测试,确保RGBDS能在这些平台上正确构建和运行。这对于使用不同操作系统的开发者来说是个好消息,意味着更广泛的兼容性和更少的平台相关问题。
指令语法调整
在汇编语法方面,0.9.1版本对ld [$ff00+c], a和ld a, [$ff00+c]指令的处理进行了调整。0.9.0版本曾计划弃用这种语法形式,但经过社区反馈后,开发团队决定保留这种写法。不过需要注意的是,ld [c], a和ld a, [c]的简写形式仍然是被弃用的,开发者应该使用更准确的ldh [c], a和ldh a, [c]语法。
功能改进
本次更新移除了宏参数数量的限制(原先有99,999个参数的限制),为需要处理大量参数的复杂宏提供了更大的灵活性。此外,浮动节区(floating sections)的输出顺序可能会有所变化,这是开发者需要注意的一个行为变更。
所有RGBDS工具现在都支持-h或--help参数来显示帮助信息,这一标准化改进使得工具的使用更加直观和一致。
重要问题修复
0.9.1版本修复了多个关键问题:
- 修复了宏参数中反斜杠位于文件末尾时的未定义行为问题
- 改进了
INCLUDE指令缺失时的错误处理,当使用-MG选项时不再产生额外错误 - 修正了自0.8.0版本以来对象文件中
FILE节点错误地使用MACRO节点类型的问题 - 修复了字符串处理函数(
STRLEN、STRSUB、CHARLEN、CHARSUB)在UTF-8字符串处理中的截断问题 - 解决了RGBGFX工具在仅输出tilemap+attrmap时的去重(
-u)功能失效问题 - 修正了RGBFIX工具在
write系统调用未能写入全部给定字节时可能输出错误ROM文件的问题 - 更新了文档中关于
DAA指令的说明,确保与实际情况一致
总结
RGBDS 0.9.1版本虽然是一个小版本更新,但包含了多项对开发者有实际意义的改进和修复。从跨平台支持的增强到关键问题的解决,再到语法细节的调整,都体现了开发团队对工具链稳定性和易用性的持续关注。对于Game Boy开发者来说,升级到这个版本将获得更可靠的开发体验和更少的潜在问题。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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