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。
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