SmartHR UI v68.0.0 版本发布:表格增强与表单优化
SmartHR UI 是一个面向企业级应用的前端组件库,专注于提供高效、易用的用户界面解决方案。最新发布的 v68.0.0 版本带来了一系列功能增强和问题修复,特别是在表格组件和表单控件方面有显著改进。
主要功能更新
表格组件双向固定列支持
本次版本对 Table 组件进行了重大升级,现在可以同时支持左侧和右侧列的固定功能。这一改进使得在处理大型数据表格时,用户能够保持关键参考列始终可见,同时也能固定右侧的操作列,大大提升了数据浏览和操作的便利性。
多选组合框可访问性增强
MultiCombobox 组件在选择项删除按钮的可访问性方面进行了优化,为每个删除按钮添加了更详细的 alt 描述文本。这一改进使得屏幕阅读器用户能够更清楚地了解每个删除按钮对应的具体项目,提升了无障碍使用体验。
输入组件宽度控制改进
Input 组件的宽度控制机制进行了重构,将原有的单一 width 属性拆分为 width 和 maxWidth 两个独立属性。这种改进为开发者提供了更精细的布局控制能力,可以同时设置理想宽度和最大允许宽度,使表单布局更加灵活和响应式。
必填标签组件新增
新增了 RequiredLabel 组件,专门用于标记表单中的必填字段。这个组件遵循一致的设计规范,简化了必填标识的实现方式,同时确保了在整个应用中必填标记的视觉一致性。
问题修复与优化
下拉菜单按钮键盘导航改进
修复了 DropdownMenuButton 组件在键盘导航时的一些不一致行为,现在使用 Tab 键和方向键导航时的体验更加一致和符合预期,提升了键盘用户的操作体验。
分段控件使用简化
SegmentedControl 组件现在不再强制要求指定 isSquare 属性,简化了组件的使用方式,同时保持了原有的功能完整性。这一改进降低了组件的使用门槛,使开发者能够更快速地实现分段选择功能。
新组件引入
本次版本新增了 SmartHRAILogo 组件,为应用提供了标准化的品牌标识展示方案。这个组件封装了 SmartHR 的 AI 相关标识,确保在不同场景下都能以最佳方式呈现品牌形象。
总结
SmartHR UI v68.0.0 版本通过表格组件的双向固定列支持、表单控件的多项优化以及新增的必填标签组件,进一步强化了其在企业级应用中的表现力。这些改进不仅提升了开发效率,也增强了最终用户的操作体验,特别是在处理复杂数据和表单场景时。版本中的各项修复也体现了团队对细节和可访问性的持续关注,使得组件库更加成熟和可靠。
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-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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