Polkadot-js/apps项目更新:提名池功能升级与Staking页面优化
背景介绍
Polkadot生态系统中的提名池(Nomination Pools)功能近期迎来重要升级。在runtime版本1.4.0中,提名池的功能得到了显著增强,特别是与Polkadot OpenGov的兼容性方面。这一变化直接影响了Polkadot-js/apps项目中的用户界面显示逻辑。
功能升级要点
最新版本的runtime带来了一个关键改进:现在,委托给提名池的资金可以参与Polkadot OpenGov治理了。这意味着用户不再需要在参与治理和通过池子获得质押奖励之间做出选择。
这一改进解决了之前版本中存在的一个主要限制,即池化资金无法参与治理决策的问题。对于希望通过提名池进行质押同时又想参与Polkadot治理的用户来说,这是一个重要的功能增强。
用户界面调整
随着底层功能的升级,Polkadot-js/apps项目中的Staking页面也需要相应调整。原先的警告信息已经不再适用,因为其内容是基于旧版本的功能限制。
开发团队提出了两种解决方案:
- 完全移除旧的警告信息
- 更新为反映当前功能状态的新提示信息
新的提示信息将包含以下关键内容:
- 明确告知用户提名池功能的升级
- 说明现在可以同时使用池化资金参与OpenGov
- 提醒用户注意可能出现的"NotMigrated"错误情况
- 提供相关解决方案的指引
技术实现细节
在技术实现层面,这一变更主要涉及:
- 前端警告信息的更新或移除
- 确保UI与最新runtime版本的兼容性
- 处理可能出现的状态迁移错误
特别值得注意的是,当用户同时使用同一账户进行池化质押和单独质押时,系统可能会显示"NotMigrated"错误。这种情况需要用户采取特定操作来解决,这些信息也应该在用户界面中清晰呈现。
对用户的影响
这一变更将为用户带来以下好处:
- 更清晰的界面信息,避免过时的警告造成混淆
- 更好的功能体验,可以同时享受池化质押和参与治理
- 更明确的错误指引,帮助用户快速解决问题
对于Polkadot生态系统来说,这一改进进一步提升了提名池功能的实用性和灵活性,使得更多用户能够同时参与网络的安全维护和治理决策。
总结
Polkadot-js/apps项目紧跟底层协议升级,及时调整用户界面以反映最新功能状态,体现了项目对用户体验的重视。这一变更虽然看似简单,但对于提升整个Polkadot生态系统的可用性和参与度具有重要意义。用户现在可以更自由地选择质押方式,同时不失去参与重要治理决策的机会。
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
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