LaTeXTools v4.3.4版本发布:增强文本自动配对功能
LaTeXTools是Sublime Text编辑器中最受欢迎的LaTeX插件之一,它为LaTeX文档编辑提供了强大的支持。该插件集成了代码补全、语法高亮、编译构建等多种功能,极大提升了LaTeX文档的编写效率。
最新发布的v4.3.4版本主要针对文本自动配对功能进行了多项改进和优化。文本自动配对是代码编辑器中的一项重要功能,它能在用户输入左括号、引号等符号时,自动插入对应的右符号,并智能处理光标位置,这对提高编码效率有着显著作用。
新增管道符号自动包裹功能
新版本增加了对管道符号(|)的自动包裹支持。当用户选中文本后,可以通过快捷键快速将选中的内容用管道符号包裹起来。这个功能特别适用于需要频繁使用管道符号的场景,比如在LaTeX表格中对齐文本时。开发者只需选中文本,按下预设的快捷键组合,就能自动完成包裹操作,无需手动输入两端的符号。
智能括号配对控制设置
v4.3.4版本引入了两个新的设置项,用于更精细地控制括号的自动配对行为:
-
auto_match_escaped_brackets:控制是否对转义括号进行自动配对。当设置为true时,即使括号前有转义字符(),也会进行自动配对;设置为false则不会。 -
auto_match_math_brackets:专门针对数学环境中的括号进行控制。LaTeX中的数学环境(或[...])有着特殊的括号使用规则,这个设置允许用户自定义数学环境中括号的自动配对行为。
这些设置让用户能够根据自己的编码习惯和工作需求,灵活调整编辑器的行为,实现更个性化的编辑体验。
括号内自动空格功能
新版本还增加了auto_match_spaces设置,用于控制在自动配对的括号内是否自动插入空格。当启用此功能时:
- 在输入左括号后,编辑器会自动插入一个空格,并将光标定位在中间位置
- 在输入右括号时,如果光标前没有空格,会自动补上一个空格
这个功能特别适合遵循特定代码风格指南的项目,可以确保括号使用的一致性,同时减少手动调整格式的时间。
转义序列检测优化
除了新增功能外,此版本还修复了多个与自动配对相关的问题,特别是改进了对转义序列的检测能力。转义字符()在LaTeX中有着广泛的应用,准确的转义序列识别对于自动配对功能的可靠性至关重要。优化后的版本能够更准确地识别各种转义场景,避免错误的自动配对行为。
总结
LaTeXTools v4.3.4版本通过新增管道符号包裹、增强括号配对控制和改进转义序列检测等功能,进一步提升了LaTeX文档编辑的效率和体验。这些改进使得自动配对功能更加智能和可靠,能够适应更多样化的使用场景和用户偏好。对于经常使用LaTeX进行学术写作或技术文档编写的用户来说,升级到这个版本将能获得更流畅、更高效的编辑体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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