既白 (@BaiBtw) header
既白 (@BaiBtw) profile picture

💻 游走于代码与链上世界 🟠 偶尔投机,长期创造 🕊️ 保持自由,保持清醒

区块链
Joined March 2024
Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)Photo by 既白 (@BaiBtw)
SQLite 里,想让整数主键自动编号,不一定要加 AUTOINCREMENT。它解决的是另一个问题:自动分配时,要不要避开过去用过的编号。 ① 默认就能自动分配 在普通 ROWID 表里,INTEGER PRIMARY KEY 是 ROWID 的别名。插入时不指定这个值,SQLite 会自动分配整数编号,不需要额外加 AUTOINCREMENT。 ② AUTOINCREMENT 管的是“不要自动重用历史编号” 加上它后,自动生成的 ROWID 会避开这张表过去已经提交过的 ROWID。回滚事务里的编号不算,后面仍可能被使用。这里说的是自动分配规则,不是禁止手动写入某个编号。 ③ 不重用,不等于连续无缺口 AUTOINCREMENT 仍可能跳号,不能拿它保证编号一个挨一个。它还会带来额外的 CPU、内存、磁盘空间和磁盘 I/O 开销。 所以先分清需求:只是想自动编号,还是确实需要避免自动重用历史编号。不要因为名字看起来更像“自增”,就默认加上这个关键字。 依据 SQLite 官方英文文档《SQLite Autoincrement》整理: sqlite.org/autoinc.html
23
3
23
571
PostgreSQL 里,写了约束,不等于挡住了 NULL。两个容易看漏的地方: ① CHECK 检查的不是“必须为真” 表达式结果为 true 或 NULL,都算通过。因此 CHECK (price > 0) 能拦住负数和 0,却不能替你要求价格必填。 想同时保证“有价格”与“价格为正”,可以写: price numeric NOT NULL CHECK (price > 0) ② UNIQUE 默认不把两个 NULL 当成重复 所以一个带 UNIQUE 的可空列,默认仍能出现多个 NULL。若业务要求空值也只能出现一次,可使用 UNIQUE NULLS NOT DISTINCT,让唯一性检查把空值视为相同。 这三件事要分开想: NOT NULL 管是否缺值;CHECK 管值是否符合条件;UNIQUE 管重复。别把一个约束的职责,想当然地交给另一个。 依据 PostgreSQL 官方英文文档《Constraints》整理: postgresql.org/docs/18/ddl-c…
5
1
11
240
Linux 文件访问想限制在某个目录内,openat2 的几个开关并不是同义词。 • RESOLVE_BENEATH:解析不能跑出 dirfd 指向的目录树;绝对路径和绝对符号链接会被拒绝。 • RESOLVE_IN_ROOT:把 dirfd 当作这次打开的根。/a 会在这个根下找;到根再走 .. 仍停在根。它不改变整个进程的根目录。 • RESOLVE_NO_SYMLINKS:禁止沿途解析符号链接;O_NOFOLLOW 只管最后一段,不能替代它。 • RESOLVE_NO_XDEV:连 bind mount 也不许跨,不要在正常需要挂载点的应用里无脑打开。 举个例子:目录里有个指向外部的软链接,路径字符串看着在目录下,不代表最终打开的文件也在。这里的工程启示是:约束实际解析,而不只是比较字符串前缀。 若内核因竞态无法确认 .. 没有越界,可以返回 EAGAIN。安全限制不是为了让请求“总能成功”,不能一报错就去掉。 来源:Linux man-pages 英文手册 man7.org/linux/man-pages/man…
24
5
38
575
Agent 嘴上说“退款已处理”,后台却连退款工具都没调。这不是回答措辞的问题,是把没干的活报成干完了。 还有另一种错:工具真调了,但顺序违规,比如没核验客户身份就把发票发出去。前者没执行,后者执行越界,光看一段礼貌的聊天记录不够。 Plurai 的模拟测试把检查拆成一条链: ① 读取代码、提示词、工具和策略,整理规则与执行关系;确认拓扑后,在隔离环境里搭出 Agent 的运行世界。 ② 把任务写成测试场景,每个场景同时带目标和通过条件。生产轨迹可以作为可选输入,让场景更贴近真实流程。 ③ 用模拟用户反复跑场景,检查实际工具调用和行为,而不只是回答听起来对不对。说退款已发、却没调用退款工具,就该判失败。 ④ 把失败追溯到具体规则,生成修复方案;改完再跑同一组场景,做回归验证。接入生产轨迹后,还能把新失败送回重放。 它支持在 Claude Code、Codex 和 GitHub Copilot CLI 中使用。这里的重点不是自动生成几道问题,而是把“承诺了什么、实际做了什么、违反哪条规则、修改后是否仍失败”连起来。 模拟通过不等于现实中永不出错。测试场景和通过条件本身,仍决定它能发现哪类问题。
16
3
34
614
多 Agent 共用记忆,坑不一定在谁想错了,也可能是谁把旧数据写回去了。 比如两个 Agent 同时读到:sessions 用 Redis,负责人未分配。Claude 先把存储改成 Postgres;Codex 随后填上负责人,却把整份旧记录写回。负责人有了,Postgres 没了。两边还都报成功。 几种处理思路,代价不一样: • 只留一个写入者:其他 Agent 提建议,写入吞吐受它限制。 • 加锁或检查版本:能拦住陈旧写入,但任务级的隔离、差异审核和历史还得另外组织。 • 谁最后写谁赢:省事,代价就是前面的修改可能被抹掉。 Omnigraph 把 Git 那套搬进了图数据库:每个 Agent 开自己的分支,先看 diff,再合并进 main,旧快照也能查。 示例里,Claude 把迁移决定、关联关系、旧决定失效、存储变更和问题关闭,共六项写入做成一次提交。Codex 在另一分支只改负责人。Claude 合并后,Codex 的旧分支被拒绝,主分支不发生变化;它从最新 main 重开分支再改,才保住两边的成果。 有个细节别漏:这里按记录判断冲突,不是按字段。哪怕一个改存储、一个改负责人,只要改的是同一条记录,也会撞车,需要刷新后重做。 权限也不是靠一句“别乱写”。本地 --as 只是身份标签;服务端要用令牌确认身份、用策略限制写入和合并。Agent 写分支,审核者合并 main。 这是两 Agent 的具体演示,不是千 Agent 并发性能证明。分支解决的是隔离与审查,不是让冲突凭空消失。
11
3
17
332
模型变强,未必得一直往里塞参数。Dory1.0-4B 把同一段网络多跑几遍:权重没变,计算深度变了。 它有三段:16层输入、40层共享循环、16层输出。头尾各跑一次,中间跑1到4次。每轮都重新加入输入块最初输出的表示并做L2归一化,不是把上一轮结果闷头往下传。 同一份4B权重,跑1、2、4轮,相当于执行72、112、192层。在这套测试里,SWE-bench Verified从50.3%升到59.5%、61.8%;12项基准等权平均从35.17升到39.67、40.60。不是每道题都吃这套:AA-Omniscience准确率仍在10%左右,GPQA也没超过Qwen3.5-4B。 代价照样得付。每个token算得更多,但四项Agent任务里,4轮生成的token只有1轮的约40%到77%。按“输出token数×执行层数”估算,2轮生成计算量是1轮的1.03到1.25倍。这是生成计算量估算,不等于等待时间或账单只涨这么点。 缓存也有两种账:每轮各存KV,循环部分就随轮数涨;只保留最后一轮KV,缓存可维持单轮大小,但测试分数会有小幅变化。 说白了,用更多计算反复处理已有信息,不是凭空给模型灌进新知识。
6
3
14
233
RAG、Graph RAG、Agentic RAG,不是入门、进阶、终极版。名字越来越猛,解决的却不是同一道题。 普通 RAG:把文档切块、做向量检索,拿相近内容给模型回答。查某条规定、某个产品功能,这类直接查找很合适。 Graph RAG:先把实体和关系整理成图,再沿关系找证据。比如结账服务依赖支付 API,API 跑在集群 3,集群周五维护。问“结账会不会受影响”,关键是把这条链串起来,不只是捞到几段相似文字。图里关系没建全,也不会凭空补齐。 Agentic RAG:查询时由模型决定查哪里、调什么工具、按什么顺序走。一次问题可能先查文档,再查数据库或 API,拿到结果后决定下一步。重点在动态编排,不是检索器换个名字。 还有一层常被混着聊:向量存储。二值量化把每个维度从 32 位浮点压成 1 位,原始向量体积可缩到约 1/32。这个数字不等于整套 RAG 内存省 32 倍,也不包办权限、同步、路由和重排。 一个管相似片段,一个管关系链,一个管查询过程。三种分工,不是一条升级路线。
3
2
1
6
262
多 Agent 做竞品监测,可以拆成四份工:接需求、写规格、抓证据、发提醒。不是每个 Agent 都得从头干到尾。 一个 Alook + Nimble 的实现是这样跑的: ① 接需求的跟进任务;写规格的明确页面、字段和验收条件;研究的抓定价页及关联文档;通知的只报变化。一个 Agent 也能包办,拆开是为了让分工和交接清楚。 ② 首次抓取只建基线。保存日期、源链接、套餐、功能和页面文案。以后按稳定字段对比,报告写清“哪一项、原来怎样、现在怎样”,别把每次重抓当成新发现。 ③ 研究讨论和提醒分频道。全员能看研究过程,提醒频道只放需要知道结果的人和 Agent。快照、完整报告、运行日志存成 Markdown,下次继续读,不靠聊天记忆硬扛。 ④ 本地运行不等于数据全留本地:Agent 和工作目录在本机;用云端 Alook 时,房间消息及共享文件会存到云端,模型调用和网页请求也分别交给对应服务。 这个示例隔了六周才手动发起第二次检查。它比较的是两次抓取,不是网站一改就实时报警。快照不会自己更新,每次运行照样消耗模型和 API 调用。
2
2
142
同一个回答,换个评估指标,模型排名就可能倒过来。不是谁瞎打分,是尺子量的东西不同。 比如,把参考答案换个说法复述:BLEU 可能很低,BERTScore 却很高。前者更看字词重合,后者更看语义接近。 11 种 LLM 评估方法,可以按用途分成五组: ① 有参考答案 BLEU 看输出与参考的 n-gram 匹配,并惩罚过短回答;ROUGE 更看参考信息覆盖了多少;BERTScore 用词元向量比较语义相似度。 ② 让模型当评委 G-Eval 按自定义标准生成评判步骤,再结合输出概率评分;LLM-as-Judge 可按评分规则比较两个回答;LLM juries 让多个评委分别打分再汇总。 ③ 人评与规则判断 人工评估按准则标注,还要检查标注者的一致性;DAG 评估把条件判断串成有向无环图,沿分支走到结果。 ④ 看 Agent 的过程 轨迹评估检查工具调用、步骤和执行路径;多轮评估看角色遵循、知识保留、上下文连贯,不能只截最后一句打分。 ⑤ 安全门槛 单独检测偏见、有害内容、个人信息泄露等违规,不拿普通质量分代替安全检查。 分数能指出哪里掉链子,却不会自动修好系统。还得回看执行记录、改提示词或工具说明,用原失败输入重跑,再检查有没有把别处改坏。
4
3
181
Python 队列关闭了,join() 返回就代表任务全做完了吗? 读了 Python queue 英文文档,关闭队列时有两个很容易混在一起的概念:停止接收任务,以及完成已有任务。Queue.shutdown() 从 Python 3.13 加入。 1. 默认关闭:把已有任务收尾 q.shutdown() 之后,新 put() 会抛出 ShutDown,正在等待空位的生产者也会被唤醒并收到这个异常。 队列里已有的任务仍然可以 get() 出来处理。每个任务处理结束后调用 task_done(),未完成计数归零,join() 才会正常解除阻塞。队列取空后,get() 会抛出 ShutDown。 2. 立即关闭:允许放弃排队任务 q.shutdown(immediate=True) 会清空还留在队列里的任务,并从未完成计数中扣掉这些任务。计数变成零时,join() 就能返回。 例如,3 个任务都还在排队、没有任务正在处理,立即关闭可以让 join() 返回,即使这 3 个任务一个也没执行。已经被工作线程取走的任务,则不能当作队列清空时一起完成了。 3. 停机流程要讲清楚哪种结果算成功 需要处理完已有任务,就选择默认关闭,并让消费者处理 ShutDown 异常退出。允许丢弃待处理任务,才考虑立即关闭。 task_done() 是完成计数的通知,不会替业务验证结果。若任务失败需要重试,还得另行设计失败记录和重试逻辑。 看停机代码时,别只盯着 join() 有没有返回,也看看它是在什么关闭模式下返回的。 英文来源:docs.python.org/3/library/qu…
45
73
1,584
Python 里给对象注册清理回调,weakref.finalize 有个很容易写反的地方:回调不能把对象自己留住。 例如: weakref.finalize(obj, obj.cleanup) 看起来是“对象回收时,调用它的 cleanup”。问题在于,obj.cleanup 是绑定方法,会持有 obj。清理器又保存着这个方法,反而可能让 obj 一直无法被垃圾回收。 官方文档建议的方向,是让回调只拿到清理所需的独立信息。例如: weakref.finalize(obj, cleanup, resource_id) 这里仍要检查 cleanup、resource_id 等参数,是否直接或间接引用了 obj。只把代码换个写法,不一定真的断开了引用。 finalize 的几个行为也值得一起记住: ① 不需要自己保存返回的清理器。它不会只因你没保存这个返回值,就提前失效。 ② 回调最多执行一次。可以主动调用清理器;调用后它就变成 dead,后续再调用会返回 None,不会重复执行清理。 ③ detach() 会撤销一个仍存活的清理器,并返回原来的对象、函数和参数。它不是“立即清理”。 ④ atexit 默认是 True。程序正常退出时,仍存活的清理器按创建顺序的倒序调用。不能把它理解成任何退出方式都保证清理成功。 用一个简单例子看“最多一次”: import weakref class Job: pass job = Job() f = weakref.finalize(job, print, "cleanup") f() # 打印一次 cleanup f() # 不再打印 还有一个边界:垃圾回收触发的回调如果抛出异常,会写到标准错误,但不能向外传播。不要把关键业务的成功确认,寄托在这个回调上。 读这类生命周期代码时,可以顺着引用关系画一圈:谁保存了回调,回调又保存了谁。名字叫“弱引用”,不代表整条引用链都是弱的。 整理自 Python 官方英文文档,示例按文档行为简化: docs.python.org/3/library/we…
24
2
54
910
任务很多时,先别急着写一长串 if,先把「谁必须等谁」画清楚。 Python 标准库的 graphlib.TopologicalSorter 就是做这件事的:根据依赖关系,给出一个可行的先后顺序。它从 Python 3.9 起就有,不需要另装图算法库。 最容易写反的是输入格式: 字典的键是当前任务,值是它的前置任务,不是它后面要执行的任务。 例如,打包要等测试和文档完成,而测试和文档都要等构建完成: from graphlib import TopologicalSorter graph = { "build": (), "test": ("build",), "docs": ("build",), "package": ("test", "docs"), } order = tuple(TopologicalSorter(graph).static_order()) 这里 build 必须在前,package 必须在后。test 和 docs 之间没有相互依赖,所以拓扑顺序不一定只有一种;同一层任务的返回顺序可能受插入顺序影响。 使用时可以分成两种模式: 1. 只需要一份执行顺序 用 static_order()。它返回迭代器,可以转成 tuple 或 list。这种用法不要再手动调用 prepare()、done()。 2. 想把当前可运行的任务交给工作线程或进程 先 prepare(),再用 get_ready() 取出前置任务均已完成的节点。任务真正做完后,调用 done(node),后续依赖它的任务才可能就绪。 关键区别是:get_ready() 不是“已经完成”,done() 也不该在刚把任务交出去时就调用。排序器负责依赖状态,实际执行仍由你的代码安排。 还有三个边界: • 节点必须可哈希;同一节点多次 add(),依赖会合并,不是覆盖。 • prepare() 之后不能再往图里加节点。 • 完整的拓扑顺序要求图中没有有向环。有环会抛 CycleError;不过 prepare() 报错后,仍可通过 get_ready() 取出尚未被环阻塞的任务。 适合拿它整理构建步骤、数据处理阶段这类依赖关系。先分清依赖,再决定串行还是并行,代码会清楚很多。 英文原文:docs.python.org/3/library/gr…
10
3
32
465
Python 里的变量放在模块顶层,值就一定是全局共享的吗? ContextVar 是个容易混淆的例外:变量对象可以放在模块顶层,但它读写的是「当前上下文」里的值。 Python 官方文档用 contextvars 来管理这类状态。在异步代码里,它能减少把请求信息沿着每一层函数参数传下去的麻烦,也避免把本该属于当前上下文的状态混到别处。 可以分成三件事理解: 1. 声明变量,按上下文取值 from contextvars import ContextVar request_id = ContextVar("request_id", default="unknown") request_id.get() 取当前上下文里的值。当前没设置时,先看 get() 是否传了默认值,再看声明时的 default;两者都没有,就抛 LookupError。 2. 临时修改,记得恢复 token = request_id.set("req-42") try: print(request_id.get()) finally: request_id.reset(token) set() 返回的 token 记录了恢复所需的信息。reset(token) 恢复的是这次 set() 之前的值,不是一律清空。一个 token 不能重复用于恢复。 Python 3.14 起,token 还支持上下文管理器,可以写成: with request_id.set("req-42"): print(request_id.get()) 离开 with 块后会自动恢复。旧版本就用 try/finally。 3. 需要切换整份上下文时,用 Context copy_context() 复制当前上下文,官方文档注明复杂度是 O(1)。ctx.run(func) 会进入该上下文执行函数,结束时恢复原来的上下文;函数在里面对 ContextVar 做的修改留在 ctx 中。 两个边界值得记住: • ContextVar 应在模块顶层创建,不要放在闭包里临时造。Context 会强引用这些变量,可能影响回收。 • asyncio 原生支持上下文变量,不需要额外配置。官方示例把客户端地址放进 ContextVar,让处理该客户端的 Task 内部函数直接读取。 它解决的是「当前这段执行该读到哪份状态」,不是把一个普通全局变量换个名字。 英文原文:docs.python.org/3/library/co…
6
2
17
388
把一个很长的整数写成 JavaScript 的 Number,它可能在进入 JSON.stringify 之前就已经丢了精度。 MDN 介绍的 JSON.rawJSON(),给这类序列化问题留了一个入口:直接指定某个值在 JSON 文本里应该长什么样。 看这个例子: const id = JSON.rawJSON("12345678901234567890"); JSON.stringify({ id }); 输出是: {"id":12345678901234567890} 传入 rawJSON 的虽然是字符串,最终 JSON 里的 id 却是数字,不会再被包上一层引号。 几个边界要分清: 1. 接收的是合法 JSON 原始值 数字、字符串、布尔值、null 都可以。想表示 JSON 字符串,传入的文本本身也要带双引号,比如 JSON.rawJSON('"hello"')。 对象和数组不行。把 '{"a":1}' 或 '[1,2]' 交给它,会抛 SyntaxError。非法 JSON 也不会被放行。 2. 它保留文本,不会修复已经丢失的数字 如果先把大整数转成了 Number,再拿这个 Number 转字符串,精度问题已经发生。原始值需要一开始就用准确的字符串、BigInt 或高精度类型保存。 3. 发得准确,接收端也要接得住 另一端如果直接用普通 JSON.parse 读成 Number,仍然可能丢精度。 MDN 给的 JavaScript 处理方式,是在 reviver 里通过 context.source 取出原始数字文本,再按已知字段转成 BigInt。只对已经解析过的 value 做 BigInt 转换,可能已经晚了。 所以要先看接收方:支持高精度数字,可以传 JSON 数字;不支持,就约定传字符串,再按业务类型处理。 最后,部署前检查运行环境是否支持 JSON.rawJSON。它是序列化工具,不能让 JavaScript 的 Number 自动变成任意精度。 英文原文:developer.mozilla.org/en-US/…
2
2
12
388
主线程等 Worker 的共享内存信号,不一定要卡住。Atomics.waitAsync() 可以异步等待,但名字里有 Async,不代表每次都直接给你一个 Promise。 先看它等什么:传入的必须是基于 SharedArrayBuffer 的 Int32Array 或 BigInt64Array,再指定下标、预期值和可选的超时毫秒数。普通数组、普通 ArrayBuffer 都不在这套机制里。 返回结果分三种: ① 当前值和预期不一样,立刻得到 { async: false, value: "not-equal" }。 ② 值相等,但超时设为 0,立刻得到 "timed-out",async 仍是 false。 ③ 需要等待时,async 才是 true,value 才是 Promise;收到 Atomics.notify() 通知后兑现为 "ok",等超时则是 "timed-out"。 例如共享数组第 0 项为 0,调用 Atomics.waitAsync(int32, 0, 0, 1000),就是最多等 1 秒。另一个线程对同一位置调用 Atomics.notify(int32, 0),可以把等待者唤醒。这里的 "ok" 表示收到通知,不能直接当成某项业务已经成功。 几个容易漏的边界:它不会阻塞整个线程,因此能用在主线程;但需要同步的后续操作,仍要等结果回来,不能因为界面没卡住就提前读写。返回的等待 Promise 不会 reject,不过参数类型不对、下标越界,调用本身仍会抛异常。 超时不传,或者传入 NaN,会按无限等待处理;负数则按 0 处理。浏览器里还得满足 SharedArrayBuffer 的安全要求,不是把示例随便粘进任意网页控制台就能运行。 这类 API 适合协调共享内存上的线程工作。处理时要分清“无需等待”“等到通知”和“等待超时”,别只看到 Async 就按普通异步函数接。 英文资料:MDN developer.mozilla.org/en-US/…
4
2
9
214
Gemini Omni 1.2 Flash 把视频生成拆成了一套能反复改的流程:先出低分辨率草稿,改局部,挑满意的再升清晰度。一个细节不对,不必整条推倒重来。 时长从上一代最长 10 秒拉到 15 秒,生成和编辑都支持。可以在 3—15 秒之间按 1 秒递增指定。720p 价格是每秒 0.07 美元,比 Omni 1.1 低 30%;打样可选 360p 或 720p,再把选中的片段升到 1080p、4K。 参考素材也能混着喂:人物、产品、风格图片,最长 3 秒的动作片段,再加音频提示。比如一张模特照配三套衣服的正反面图,生成换装片段;首尾两张关键帧,也能用来衔接镜头。 多轮编辑是在同一条视频上接着改。换产品、换背景、调光线天气、改宽高比,都可以围绕完整的 15 秒片段继续操作。不是每改一次,就重新描述一遍整场戏。 这版还主打人物、物体和场景的一致性,多角色语音与口型,以及穿行、拉远、环绕等连续运镜。这里说的是能力改进,不是保证每条都稳。快速体育动作、剧本急变和复杂物理,仍是待改进的部分。 接入分几路:开发者用 AI Studio 和 Gemini API,企业用 Google Cloud;应用端有 Flow、Google Vids,Gemini App 正向 Google AI Ultra 用户推出。企业侧支持预置吞吐量,生成结果带不可见的 SynthID 水印。
22
1
36
1,009
Unleash 的功能开关,后端和前端走两套路子。差别在于谁拿规则、谁来算。 后端 SDK 把配置拉到内存里,结合用户上下文,在本地判断开关。业务代码查一次开关,就是跑一次本地函数,不必每次都问服务器或数据库。 浏览器和手机端 SDK 拿的是评估结果。它们提交上下文,由 Unleash 主服务或 Edge 算出哪些功能启用,再把结果缓存下来。注意这个区别:后端接了 Edge,还是后端 SDK 自己算;前端接了 Edge,才由 Edge 算。 数据去哪儿,也得分开看。后端的用户数据留在应用内;前端直接连主服务,就得把上下文交给主服务。前端通过自己部署的 Edge 评估,可以把这部分数据留在自己的边界内。“用户数据不出应用”这句话,不能随便套。 Edge 夹在 SDK 和主服务之间,做缓存、承接大量连接,也负责前端的评估,减少主服务压力。后台用 Admin API 管配置,后端 SDK 用 Client API,前端 SDK 用 Frontend API;后两者也接收 SDK 使用统计。 省掉每次远程查询,也得接受配置传播的延迟。控制台改完,传到应用通常要几秒,延迟可调。拨了开关,不会让所有应用瞬间一起换挡。 开源版可自行部署,代码是 AGPL-3.0-or-later;SSO、RBAC 等属于商业方案,别当成全套免费。
5
1
25
593
P-JiT 这条文生图路线,省算力的重点是少算 token、让中间层早点得到反馈,再分阶段补细节。 1. 不另接一个 VAE 来压图,而是在像素空间一起学压缩和生成。图片切成 32×32 的块,每块 RGB 的 3072 个数投到 1024 维。512×512 图片变成 256 个图像 token,再加 256 个文本 token;文本表示来自冻结的 Qwen3.5-4B。 2. 图像和文本各过两层整理,再合进 22 层 DiT。第 10、16 层分别预测四分之一、二分之一边长的图,最后一层出全图;第 5 层还用 PixelREPA 对齐 DINOv3-L 特征。中间层也要交作业,梯度反馈不用全等到最后。辅助出口只训练时用,采样时移除。 3. 训练先抓结构,再抠细节。前 8000 万次样本处理集中在高噪声,之后放宽噪声分布。先在 512 档分辨率训练约 6.1 亿次样本,再升到 1024 档训练约 5000 万次,两个阶段都混合五种宽高比;升分辨率时重置优化器、承接 EMA 权重,并把噪声尺度加倍。 4. 账单分开算:预训练约 2.03 万美元,后训练约 690 美元,合计约 2.10 万美元,按每 H100 小时 2.5 美元核算。这是算力费用口径,不能直接当成整个项目的总成本。后训练采用 FDFO 的变体,结合模型评审与人工反馈。 5. 能力边界很直白:训练数据排除了文字密集图片,因此这版不能正常写字或生成文字海报;全身人体、多对象、多人互动和常识仍会出错,比如骰子各面都画成六点。代码和权重按 Apache 2.0 开放,但这仍是走向更大视频模型途中的实验版,不是已经解决视频生成。
4
15
410
BUI 把 Blender 的界面能力拆成库,源码里却有两条路线:真正跑应用的 C 运行时,和供参考、继续移植的原始 UI。别一锅端着看。 运行这条线:Python、Rust、JS/React、Dear ImGui 和 C 入口,汇到 kit 的节点树、布局、输入、控件、菜单、撤销和窗口。原始 ui 目录默认不编译;场景、渲染器、操作器等 Blender 应用逻辑已切掉。 绘制分两路:默认是 CPU 软件光栅器,按条带并行画抗锯齿图元。GPU 则是可选的 Windows D3D11、Linux OpenGL 3.3;两边对应同一套覆盖率公式,并有像素一致性测试。GPU 设备丢失时,回退软件渲染。 省活儿靠复用:帧目标保留,只重画变化区域;图片按显示尺寸解码,由工作线程处理,缓存有内存预算。视频每个播放器复用两个 NV12 帧缓冲,GPU 纹理原地更新,在着色器里转 RGB;动画只在屏幕上可见时推进。 边界也写明了:原始 ui 源码能编译链接,不代表已经能原样托管完整控件树,事件、上下文、属性访问等接口仍待接好。现有应用走 kit;Cocoa 窗口后端仍是实验性。 多语言共用运行时,绘制后端和宿主窗口各守边界。这才是这次拆库的结构,不能把“能编译”直接当成“全搬完了”。
1
1
17
350