跨语言的分类更可靠
本地模型的一个反复出现的问题不是无法理解,而是一致性。相同的概念可能会根据上下文或语言以略有不同的表述出现。在 1.7.3 中,分类现在先以规范的内部形式(English)进行,然后再翻译成所选语言。
这将导致:
- 在不同运行间类别更稳定
- 切换语言时减少漂移
- 因措辞差异导致的近似重复更少
本地 AI 更加专注于任务
LLMs 有时会返回过于冗长、格式奇怪或 "创造性地解释" 的输出。大多数情况下这已得到处理,但某些边缘情况仍可能影响结果。在 1.7.3 中,分类管道已被强化:
- 改进的提示预算
- 更严格的输出解析
- 更可靠的类别/子类别提取
结果不是 "更聪明的 AI",只是行为更可预测。
更稳健的长时间运行
文件系统并非总是完全 "干净":某些文件夹可能无法读取、某些文件可能被锁定、某些路径可能表现不一致。在 1.7.3 中,递归扫描考虑到了这些情况,因此:
- 跳过有问题的子文件夹
- 从而其余运行得以继续
因此单个边缘情况不再中断整个排序任务。
依赖操作系统的自动更新
更新系统已得到改进:
- 为 Windows、macOS 和 Linux 提供独立的更新处理
- 与平台特定的打包方式更好地对齐
- 在 Windows 上,可在启动安装程序前对下载进行验证。
稳定性改进(更为低调)
若干小幅改进随着时间推移减少摩擦:
- 对缓存的分类标签进行更安全的处理
- 针对本地 AI 后端的 macOS 运行时处理更健壮
- 跨平台的打包和依赖改进
严格来说,这些都不是显眼的可见功能,但它们使系统的行为更一致。
评论 (0)
No comments yet.
登录 to add a comment.