RDoc v6.13.0 发布:Ruby 文档工具的重要更新
RDoc 是 Ruby 生态系统中最重要的文档生成工具之一,它能够从 Ruby 源代码中提取注释并生成格式化的文档。作为 Ruby 标准库的一部分,RDoc 被广泛应用于 Ruby 项目的文档生成,包括 Ruby 语言本身的文档。
主要功能增强
本次 v6.13.0 版本带来了几项实用的功能改进:
-
面包屑导航支持:新增了面包屑列表功能,这将显著改善大型项目的文档导航体验,用户可以更清晰地了解当前文档在项目结构中的位置。
-
图片 alt 标签优化:对图片的 alt 标签头部格式进行了改进,提升了文档中图片的可访问性,使屏幕阅读器等辅助工具能够更好地处理文档中的图像内容。
问题修复
本次更新修复了几个重要问题:
-
ri 补全功能修复:修正了 ri 命令行工具的补全功能,现在它会始终返回以给定名称开头的候选项,提高了命令行工具的使用体验。
-
类模块扩展更新问题:修复了在
ClassModule#complete方法中调用update_extends的问题,确保了类模块扩展信息的正确更新。
内部重构与优化
v6.13.0 包含了大量内部重构工作,这些改进虽然不会直接影响用户功能,但提升了代码质量和可维护性:
-
减少不必要的状态赋值:通过减少单例模式等外部状态的赋值,使代码更加清晰和可预测。
-
生成器架构优化:集中了生成器设置逻辑,移除了未使用的
class_dir和file_dir属性,简化了生成器实现。 -
Markdown 解析改进:重构了图片和显式链接的 Markdown 解析逻辑,提高了处理复杂文档的稳定性。
-
测试覆盖增强:新增了对多反引号 Markdown 代码块的测试,确保文档中代码片段的正确渲染。
文档改进
本次更新还包含了对 RDoc 自身文档的改进:
-
修正了 CodeObject 继承树的文档描述,使其更准确地反映实际实现。
-
优化了段落模式的处理规则,提升了文档解析的灵活性。
开发环境调整
为了支持更广泛的测试环境:
-
重新启用了 JRuby 的测试支持,确保 RDoc 在不同 Ruby 实现上的兼容性。
-
添加了 webrick 作为开发依赖,简化了本地开发和测试环境的搭建。
RDoc v6.13.0 的这些改进和修复,进一步巩固了它作为 Ruby 生态系统中核心文档工具的地位。无论是对于日常使用 RDoc 生成项目文档的开发者,还是对于需要深入理解 Ruby 代码结构的用户,这个版本都提供了更好的体验和更高的可靠性。
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
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