Rerun 0.22.1版本发布:LeRobot数据集原生支持与多项改进
Rerun是一个面向多模态和时间序列数据的可视化分析工具包,它提供了简单易用的数据库和可视化功能,帮助开发者高效处理复杂的时空数据。通过Rerun,用户可以轻松记录、存储和可视化各种传感器数据、3D场景、图像序列等信息。
LeRobot数据集原生加载支持
本次0.22.1版本最显著的改进是增加了对LeRobot数据集的原生支持。LeRobot是一个流行的机器人数据集集合,包含各种机器人操作和感知数据。Rerun现在可以直接加载这些数据集,无需繁琐的数据转换过程。
虽然目前这一功能还在逐步完善中,但已经能够处理大部分常见的数据格式。开发团队表示,在接下来的0.23版本中会进一步优化这一功能,增加对更多边缘情况的支持。如果你在使用过程中遇到任何问题,团队鼓励用户积极反馈,以帮助他们更快地改进产品。
关键改进与修复
Python API兼容性
针对即将发布的NumPy 2.0版本,Rerun移除了对np.float_的使用,确保在新旧版本的NumPy上都能稳定运行。这一改动体现了Rerun对长期兼容性的重视。
数据可视化修复
修复了Arrows2D绘制顺序无效的问题,现在用户可以更精确地控制2D箭头的显示层次。同时改进了图像列更新示例,使其更直观地展示Rerun的动态数据更新能力。
性能优化
LeRobot数据集现在会在单独的IO线程上加载,避免阻塞主线程,提升了用户体验的流畅性。这一改进特别有利于处理大型数据集时的性能表现。
使用建议
对于机器人开发者和计算机视觉研究人员,新版本提供了更便捷的数据可视化方案。特别是处理LeRobot数据集时,可以直接利用Rerun的原生支持功能,快速验证算法效果或进行数据分析。
对于Python开发者,建议检查项目中是否使用了即将废弃的NumPy API,确保与Rerun的兼容性。如果项目中涉及大量2D箭头可视化,升级到0.22.1版本将解决之前存在的绘制顺序问题。
Rerun团队持续关注用户体验,这个版本虽然是小版本更新,但包含了对多个关键问题的修复和功能优化,值得用户升级以获得更稳定的使用体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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