Kotlin 2.3.0版本现已正式发布,这一语言更新提供了多项新功能,包括未使用返回值检查器和对Java 25的支持。此次发布包含多个实验阶段功能,如值检查器、Swift互操作性,以及显式支持字段的新语法。
JetBrains于12月16日发布了这次语言更新。安装说明可在blog.jetbrains.com找到。这一正式版本是在11月18日发布候选版本之后推出的。
在Kotlin 2.3.0中,新的未使用值检查器有助于防止忽略结果。当表达式返回除Unit或Nothing之外的值且未传递给函数、在条件中检查或以其他方式使用时,它会发出警告。该检查器有助于捕获因函数调用产生有意义结果却被静默丢弃而导致意外行为或难以追踪问题的错误。此功能目前处于实验阶段。
Kotlin 2.3.0中的另一项实验功能通过Swift导出改进了Kotlin与Swift的互操作性,增加了对原生枚举类和可变函数参数的支持。此前,Kotlin枚举被导出为普通的Swift类。现在通过直接映射,开发者可以使用常规的原生Swift枚举。
Kotlin 2.3.0的其他功能包括:
Kotlin编译器现在可以生成包含Java 25字节码的类。
显式支持字段为显式声明保存属性值的底层字段提供了新语法,与现有的隐式支持字段形成对比。
在具有显式返回类型的表达式体中支持return语句现已默认启用。
上下文敏感解析作为实验功能得到了改进。当前类型的密封和封闭超类型现在被视为搜索上下文范围的一部分。不再考虑其他超类型范围。当涉及类型操作符和等式时,如果使用上下文敏感解析导致解析模糊,编译器现在会报告警告。
向Kotlin/Native项目导入C和Objective-C功能的支持已进入测试阶段。
对于Kotlin/Wasm(WebAssembly),Kotlin 2.3.0默认为Kotlin/Wasm目标启用完全限定名,为wasmWasi目标启用新的异常处理提案。它还引入了Latin-1字符的紧凑存储。同时,新的WebAssembly异常处理提案对wasmWasi目标默认启用,确保与现代WebAssembly运行时更好的兼容性。
对于Kotlin/JS,挂起函数现在可以使用@JsExport注解直接导出到JavaScript,BigInt64Array类型现在可以用于表示Kotlin的LongArray类型。这两项都是实验功能。
不再支持Ant构建系统。
Q&A
Q1:Kotlin 2.3.0中的未使用返回值检查器是什么?
A:这是一个新的检查器,用于防止忽略函数调用的返回结果。当表达式返回除Unit或Nothing之外的值且未被使用时会发出警告,帮助开发者捕获因忽略有意义返回值而导致的潜在错误。
Q2:Kotlin 2.3.0对Swift互操作性有什么改进?
A:新版本通过Swift导出功能改进了与Swift的互操作性,增加了对原生枚举类和可变函数参数的支持。现在Kotlin枚举可以直接映射为Swift枚举,而不再导出为普通Swift类。
Q3:Kotlin 2.3.0支持哪些新的编程语言特性?
A:新版本支持Java 25字节码生成、显式支持字段的新语法、表达式体中return语句的默认支持,以及改进的上下文敏感解析功能。对于WebAssembly和JavaScript也有相应的功能增强。
好文章,需要你的鼓励
传统AI依赖云端处理存在延迟和隐私问题。越来越多开发者将AI处理从数据中心转移到手机、笔记本等个人设备上。设备端AI具有三大优势:速度更快,无需等待云端响应;隐私更安全,数据不离开设备;成本更低,无需支付云服务费用。目前iPhone已运行30亿参数的设备端AI模型,谷歌Pixel手机也搭载Gemini Nano模型。未来五年内,随着硬件升级和算法优化,设备端AI将实现物体识别、导航翻译等更复杂功能。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
卡内基梅隆大学研究人员开发了一项革命性技术,通过摄像头、AI模型和微型轮子,让咖啡杯、订书机等日常物品能够自主移动到需要的位置。这种"智能物品"技术避免了传统人形机器人的复杂性和安全隐患,通过蓝牙微控制器和AI视觉系统,物品能够识别用户行为并预测需求。虽然技术已相对成熟,但隐私保护和安全性仍是推广前需要解决的关键问题。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。