CMSSW_12_4_24版本发布:Tau嵌入样本生成与MC过滤器升级
CMSSW项目简介
CMSSW(CMS SoftWare)是欧洲核子研究中心(CERN)大型强子对撞机(LHC)上紧凑型μ子螺线管(CMS)实验的核心软件框架。作为高能物理实验数据分析的基础平台,CMSSW集成了从原始数据重建到物理分析的全套工具链。本次发布的CMSSW_12_4_24版本属于12_4_X系列,主要针对Run3数据采集周期(2022年及以后)的特定需求进行了功能增强和错误修复。
主要更新内容
Tau嵌入样本生成功能增强
本次更新中,来自KIT-CMS团队的重要贡献是为2022年Tau嵌入样本生成提供了完整的HLT(High-Level Trigger)步骤支持。Tau嵌入技术是高能物理实验中一项重要的数据分析方法,它允许研究人员将模拟的Tau衰变事件嵌入到真实采集的数据中,从而更准确地研究Tau物理特性。
具体实现上,该更新:
- 完善了重建(reconstruction)模块中对嵌入样本的处理流程
- 优化了模拟(simulation)环节的性能表现
- 确保生成的样本与2022年数据采集环境完全兼容
这项改进将显著提升CMS实验在Tau轻子物理研究方面的数据分析能力,特别是在希格斯玻色子到Tau对衰变道的研究中。
MC过滤器功能升级
来自MohitS704的贡献为Run3 2022年MC(蒙特卡洛)生产引入了一个新的MC过滤器。这个过滤器的主要功能是:
- 在生成器(generators)层面提供更精细的事件选择控制
- 优化计算资源使用效率,减少不必要的事件处理
- 增强对特定物理过程的研究能力
该过滤器特别适用于需要高统计量但同时又需要精确控制样本特性的物理分析场景,如稀有衰变过程研究或系统误差评估。
底层依赖更新
XRootD升级至5.7.2版本
XRootD是CMS实验中使用的高性能分布式存储访问系统,本次更新将其升级至5.7.2版本。这一更新带来了:
- 改进的数据传输稳定性和性能
- 增强的安全特性
- 更好的错误处理机制
生成器接口更新
GeneratorInterface-EvtGenInterface组件更新至V02-11-00版本,这一更新主要涉及:
- 对EvtGen粒子衰变生成器的接口优化
- 提升与最新版本EvtGen的兼容性
- 修复已知问题,提高稳定性
技术影响与用户建议
对于使用CMSSW进行物理分析的研究人员,特别是从事以下方向工作的用户应特别关注本次更新:
- Tau物理研究团队:新的嵌入样本生成功能将提供更高质量的数据样本
- MC生产相关人员:新的过滤器可以优化样本生成效率
- 系统管理员:XRootD的更新可能需要相应的基础设施调整
建议用户根据自身研究需求评估升级的必要性,特别是正在进行长期MC生产或Tau物理分析的项目组应考虑尽快升级以获得最新功能改进。
总结
CMSSW_12_4_24版本虽然是一个维护性更新,但包含了多项对物理分析具有重要意义的功能增强。这些改进不仅提升了系统的稳定性和性能,更为特定物理研究方向提供了强有力的工具支持。CMS合作组的持续开发确保了实验数据分析能力的不断提升,为探索高能物理前沿问题奠定了坚实的技术基础。
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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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