Bittensor v9.3.0版本发布:增强区块链网络功能与测试覆盖
Bittensor是一个开源的区块链协议,旨在构建去中心化的机器学习网络。该项目通过区块链技术连接全球的计算资源,使机器学习模型能够以去中心化的方式进行训练和推理。最新发布的v9.3.0版本带来了一系列重要的功能增强和稳定性改进,特别是在网络测试覆盖率和区块链操作功能方面有显著提升。
测试覆盖率与稳定性提升
本次更新中,开发团队显著增强了端到端(E2E)测试的覆盖范围。新增了多个测试用例,包括对等待周期(wait_epoch)和下一个节奏(next_tempo)功能的测试验证。这些改进确保了网络在各种条件下的稳定运行,特别是在处理区块链时间相关操作时的可靠性。
测试框架现在支持所有Python版本,并增加了Docker镜像自动更新机制。这意味着开发者可以在不同Python环境下运行测试,同时保持测试环境的时效性。测试容器管理逻辑也得到了优化,新增了停止现有测试容器的功能,避免了测试环境冲突。
区块链操作功能增强
v9.3.0版本引入了多项新的区块链操作方法:
-
新增了
set_children
和get_pending_children
方法,用于管理子账户关系。这些方法为网络中的账户层级管理提供了更灵活的工具。 -
增加了
get_owned_hotkeys
方法及其异步版本,允许用户查询特定账户拥有的所有热键(hotkeys)。这一功能对于账户管理和监控特别有用。 -
改进了CRv3(共识规则版本3)的功能实现,提升了网络的共识机制效率和可靠性。
-
优化了Balance类的魔术方法逻辑,使得代币余额的数学运算更加准确和高效。
网络功能改进
在网络安全方面,本次更新添加了drand承诺机制,增强了网络的随机数生成安全性。同时,改进了区块更新间隔(blocks_since_last_update)的返回逻辑,确保网络状态监控的准确性。
针对子网管理,新增了process_weights_for_netuid
功能,允许按子网ID处理权重数据。这一改进使得大规模网络中的权重管理更加高效。
兼容性与依赖管理
v9.3.0版本增加了对Python 3.13的兼容性检查,确保项目能够在新版本Python上正常运行。同时更新了多个依赖项,包括异步substrate接口的版本升级,提升了与底层区块链交互的效率和稳定性。
移除了对Levenshtein库的依赖,简化了项目的依赖关系,降低了安装和部署的复杂度。
总结
Bittensor v9.3.0版本通过增强测试覆盖率、改进区块链操作功能和优化网络性能,进一步提升了这个去中心化机器学习网络的稳定性和可用性。这些改进不仅为现有用户提供了更好的使用体验,也为未来功能的扩展奠定了坚实的基础。特别是新增的账户管理方法和子网权重处理功能,将为构建更复杂的去中心化机器学习应用提供更多可能性。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~058CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0382- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









