Mer pålitelig kategorisering på tvers av språk
Et tilbakevendende problem med lokale modeller er ikke forståelse, men konsistens. Samme konsept kan formuleres litt annerledes avhengig av kontekst eller språk. I 1.7.3 gjøres kategoriseringen nå i en kanonisk intern form (English), og først deretter oversettes den til det valgte språket.
Dette fører til:
- mer stabile kategorier mellom kjøringer
- mindre avdrift ved bytte av språk
- færre nære duplikater forårsaket av ordlydsforskjeller
Lokal AI som holder seg til oppgaven
LLMs sometimes return outputs that are too verbose, oddly formatted or "kreativt tolket." Dette ble allerede håndtert i de fleste tilfeller, men enkelte kanttilfeller kunne fortsatt påvirke resultatene. I 1.7.3 er kategoriseringspipelinjen blitt forsterket:
- forbedret prompt-budsjettering
- strengere parsing av utdata
- mer pålitelig uttrekk av kategori/underkategori
Resultatet er ikke "smartere AI", bare mer forutsigbar oppførsel.
Mer robuste lange kjøringer
Filsystemer er ikke alltid perfekt "rene": noen mapper kan være utilgjengelige, noen filer kan være låst, noen stier kan oppføre seg inkonsekvent. I 1.7.3 tar rekursive skanninger hensyn til dette, slik at:
- problematiske undermapper blir hoppet over
- slik at resten av kjøringen fortsetter
Dermed avbryter ikke lenger et enkelt kanttilfelle en hel sorteringsjobb.
OS-avhengige og automatiserte oppdateringer
Oppdateringssystemet er forbedret:
- separat håndtering av oppdateringer for Windows, macOS og Linux
- bedre tilpasning til plattformspesifikke pakkeformater
- på Windows kan nedlastede installasjonsfiler verifiseres før oppstart
Stabilitetsforbedringer (den stille sorten)
Flere mindre forbedringer reduserer friksjon over tid:
- sikrere håndtering av bufrede kategorietiketter
- mer robust håndtering av macOS-runtime for lokale AI-backends
- forbedringer i pakking og avhengigheter på tvers av plattformer
Ingen av disse er, strengt tatt, særlig synlige funksjoner, men de får systemet til å oppføre seg mer konsekvent.
Comments (0)
No comments yet.
Log in to add a comment.