KDE Plasma 6.3 已经发布,紧接着发布了一个小版本更新。同时,KDE Frameworks 和 KDE Gear 应用程序集合也推出了新版本。
KDE 生态系统近期动作频频。KDE Plasma 6.3 在上周初发布,几天后的情人节,KDE Frameworks 6.11 也加入了发布行列。就在我们撰写本文时,桌面环境的一个小版本更新 Plasma 6.3.1 也已推出。在此之前,KDE Gear 应用程序套件也发布了一个小版本更新,版本 24.12.2 在几天前发布。
这一系列新版本的密集发布,似乎是为了庆祝 KDE 项目基于 Qt 6 的"超级发布"一周年纪念日 (2024 年 2 月 29 日)。Plasma 6.3.1 主要是一个bug修复版本。发布公告列出了三个主要修复,虽然完整的更新日志详细记录了 22 个组件中修复的 154 个 bug,但用户应该不会注意到任何明显的功能差异。
发布公告的标题是"像素完美!"我们认为这个标题暗示了两个主要改进方向:一是环境外观的改进,二是为图形艺术家提供的工具改进。
在第一类改进中,6.3 提供了更好的分数缩放支持。它现在会尝试将屏幕特征与屏幕像素网格对齐,这将带来更清晰的边缘和线条。这种效果在高缩放级别下仍然有效,当你放大屏幕以近距离查看小物体时,现在会在放大视图上叠加像素网格。色彩准确度处理也得到了改进,无论是否启用 ICC 色彩配置文件匹配选项。这种改进同样适用于"夜光"功能(旨在减少蓝光,据说有助于睡眠)激活时的情况。用户可以选择色彩准确度匹配的程度,因为在某些配置下可能会影响性能。如果你直接将小部件放置在桌面上,它们现在默认会略微透明。
另一组功能主要针对绘图板,这是许多视觉艺术家在计算机上工作时使用的设备。在 KDE 的系统设置应用程序中,绘图板页面现在已分为多个标签。它现在提供了更多校准选项,可以显示触控笔倾斜度和压力,并且可以重新映射按钮。可以将平板电脑表面的一部分映射到整个屏幕,允许将部分区域设置为工具面板。可以调整触控笔的响应曲线,并可以在其响应范围的两端进行裁剪。最后,还添加了一个选项,可以突出显示已更改的设置。
虽然没有特别提及,但我们怀疑这些改变至少部分是对数字艺术家 David Revoy 在 2024 年 5 月发表的博客文章的回应。在文章中,他比较了 Plasma 5.27 和当时还很新的 Plasma 6.0 在绘图板处理等方面的功能。他的总结是,在当时最佳组合是使用搭载 KDE Plasma 5.27 的 Debian 12,并使用 X.org 而不是 Wayland。虽然笔者既不拥有也不使用绘图板,但从外行人的角度来看,许多缺陷似乎已经得到修复。
此外还有面向更广泛用户群的改进。现在可以克隆整个桌面面板、配置窗口平铺,并查看更多无线连接外设的电池电量。桌面可以显示在免打扰模式下错过的通知数量汇总。新增了在连接外部指针设备时自动禁用触控板的选项。图标的上下文菜单得到改进,可以显示符号链接的目标或调用菜单编辑器。
Kickoff 启动器(Plasma 对应 Windows 开始菜单的功能)在多个方面进行了调整。现在它只在点击时更改分组,以匹配其他带侧边栏的应用程序。增加了新的帮助条目,但设置项已移除:这些条目现在在系统子菜单下可以找到。信息中心应用程序可以显示更多信息,如所有连接的 GPU 和笔记本电脑电池的充放电次数。任务管理器小部件现在从系统主题获取强调色,打印队列指示器可以内联显示多个打印机,包括忙碌指示器。天气应用和 KRunner 搜索工具也有所改进,后者还可以进行计算、单位转换、词典定义等操作。KDE 自己的软件商店 Discover 也有一系列改进,包括突出显示官方维护的包和沙箱功能,以及支持最新 GNOME 48 中 Software 应用程序使用的新 Flatpak 超链接格式。
目前菜单的帮助部分内容不多,但这是一个良好的开始。
整个桌面环境有多处小改进,但没有突出的重大功能变化。我们认为这是好事。Plasma 6 现在正处于恢复在升级到基于 Qt 6 的版本时失去的功能和选项的阶段。
根据 KDE 的可用实时版本列表页面,它应该会包含在下一个 Kubuntu 版本中:
Kubuntu 25.04 "Plucky Puffin" 开发版本 Kubuntu 开发版本搭载 Plasma 6.3 Beta。
预计同期发布的 Fedora 42 也可能包含这个新版本。KDE Neon 下载页面还提供了"大多数 KDE 应用程序"的 Snap 包,这可能是我们在 11 月的 Ubuntu Summit 报道中提到的在 Ubuntu Core 上运行 KDE Plasma 努力的结果。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。