Ax 1.0.0版本发布:统一API与文档重构的重大升级
项目简介
Ax是Facebook开源的一款自适应实验平台,主要用于贝叶斯优化和A/B测试等场景。它于2019年与Botorch一同发布,经过多年发展已成为机器学习超参数优化和实验设计领域的重要工具。Ax提供了一个灵活的框架,帮助研究人员和工程师高效地进行参数调优和实验管理。
1.0.0版本核心特性
统一API设计
本次1.0.0版本最重要的变化是引入了全新的统一API架构,位于ax.api模块中。这一设计解决了之前多个API入口(Loop API、Service API和Developer API)并存导致的混乱问题,为用户提供了单一、稳定的接口。
新API的核心组件包括:
-
Client类:作为整个优化过程的状态管理器,负责跟踪实验进度、管理数据和协调优化流程。它简化了之前需要手动处理的各种状态管理任务。
-
配置类家族:包括SearchSpaceConfig、ObjectiveConfig等,这些类提供了声明式的方式来定义搜索空间、优化目标等关键元素。这种配置方式比之前的编程式接口更加直观和易于维护。
文档全面重构
Ax团队对文档进行了彻底的重写和重组,新的文档体系具有以下特点:
-
概念导向:从基础概念入手,帮助用户建立正确的认知框架,而不是直接跳入API细节。
-
渐进式学习路径:通过从简单到复杂的教程序列,引导用户逐步掌握Ax的各种功能。
-
实用示例:包含了从合成数据到真实场景的各种案例,展示Ax在不同情境下的应用方式。
技术升级与改进
向后兼容性处理
虽然1.0.0版本引入了重大变更,但团队采取了渐进式迁移策略:
-
旧的API入口仍然保留,但被标记为"deprecated",这意味着它们可能会在未来的版本中被移除或修改。
-
为不同使用模式的用户提供了明确的迁移指南:
- Service API用户会发现新API非常相似
- Loop API用户可以参考新的快速入门指南
- Developer API用户也能找到对应的高级用法文档
架构优化
新版本在底层架构上也进行了多项改进:
-
状态管理:通过Client类集中管理优化过程的状态,减少了用户需要手动跟踪的变量。
-
配置分离:将算法配置与执行逻辑分离,提高了代码的可读性和可维护性。
-
错误处理:增强了API的健壮性,提供了更清晰的错误提示。
升级建议与实践指南
对于现有用户,升级到1.0.0版本时应注意:
-
优先使用新API:所有新开发都应基于
ax.api中的接口,以确保长期兼容性。 -
逐步迁移:对于大型项目,可以分阶段将旧API调用替换为新API。
-
充分利用新文档:新的文档体系包含了丰富的示例和最佳实践,是解决迁移问题的宝贵资源。
-
测试验证:在全面升级前,应在测试环境中验证关键功能是否正常工作。
未来展望
1.0.0版本的发布标志着Ax进入了更加成熟的阶段。统一API的设计为未来的功能扩展奠定了良好基础,而全新的文档体系将大大降低新用户的学习曲线。随着社区的持续贡献,Ax有望成为自适应实验和贝叶斯优化领域的事实标准工具。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00