Google Material Design Icons 新增"keep_off"图标解析
Material Design图标库作为谷歌推出的开源图标集合,广泛应用于各类Web和移动应用中。近期,该图标库新增了一个重要图标——"keep_off",这个图标在Google内部产品如Google Meet中已经使用了一段时间,但直到最近才正式加入开源图标库。
图标背景
"keep_off"图标实际上是"push_pin"图标的对应反向操作图标。在用户界面设计中,"push_pin"常用于表示"固定"或"钉住"某项内容的操作,而"keep_off"则用于表示"取消固定"或"取消钉住"的操作。这种配对图标的设计在UI交互中非常重要,能够为用户提供直观的操作反馈。
技术实现
对于使用Angular Material Design组件的开发者来说,之前由于缺少官方"keep_off"图标,不得不采用CSS伪元素等变通方案来模拟这个图标的功能。现在,开发者可以直接使用标准的Material Design图标API来调用这个图标。
在Angular Material中,使用方式如下:
<mat-icon>keep_off</mat-icon>
图标变体
随着"keep_off"图标的加入,Material Design团队也注意到了相关图标变体的问题。目前,该图标已经包含了标准版本,但圆角版本("rounded"变体)尚未完善。团队表示将在后续更新中补充这一变体,以满足不同设计风格的需求。
迁移建议
值得注意的是,"keep_off"图标首先被加入到了Material Symbols(Material Design图标的新一代实现)中。对于仍在使用旧版Material Icons的开发者,建议考虑迁移到Material Symbols,以获得更完整的图标支持和更好的维护性。
设计意义
这一更新体现了Material Design团队对开发者需求的响应速度和对设计一致性的重视。通过将内部使用的图标开放给社区,不仅解决了开发者的实际问题,也进一步丰富了Material Design生态系统。这种图标配对的完整性对于创建直观、一致的用户界面至关重要,特别是在需要频繁切换固定状态的应用程序中。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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