Python 3.14 RC1 发布
Python 3.14 rc1 现已发布。
进入发布候选阶段后,此发布候选版与最终发布版之间只允许发布经过审核且明确修复错误的代码更改。第二个候选版本(也是计划中的最后一个发布预览版)计划于 2025 年 8 月 26 日星期二发布,而 3.14.0 的正式发布版计划于 2025 年 10 月 7 日星期二发布。
从现在开始,3.14 系列将不会有任何 ABI 变化,目标是尽可能减少代码变化。
Python 3.14 中的一些主要新功能和变化包括:
新功能
- PEP 779:自由线程 Python 正式获得支持
- PEP 649:类型注释的评估现在被推迟,从而改善了使用注释的语义。
- PEP 750:使用熟悉的 f-strings 语法自定义字符串处理的模板字符串字面量 (t-strings)。
- PEP 734:标准库中的多个解释器。
- PEP 784:一个为 Zstandard 压缩算法提供支持的新模块
compression.zstd
。 - PEP 758:
except
和except*
表达式现在可以省略括号。 - PyREPL 中的语法高亮显示,以及对 unittest、 argparse、 json 和 calendar CLI中的颜色支持 。
- PEP 768:CPython 的零开销外部调试器接口。
uuid
模块现在支持 UUID versions 6-8,版本 3-5 的生成速度提高了 40%。- PEP 765:Disallow
return
/break
/continue
that exit afinally
block. - PEP 741:用于配置 Python 的改进的 C API。
- 一种新型解释器。对于某些较新的编译器,此解释器可提供显著提升的性能。目前可选,需要从源代码构建。
- 改进了错误消息。
- 使用 HACL* 项目中经过正式验证的代码内置HMAC 实现。
- 一个新的命令行界面,使用异步任务检查正在运行的 Python 进程。
- pdb 模块现在支持远程连接到正在运行的 Python 进程。
有关 Python 3.14 更改的更多详细信息,可参阅Python 3.14 中的新增功能。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Elasticsearch 9.0.4 发布
Elasticsearch 是一个基于 Lucene 库的搜索引擎。它提供了一个分布式、支持多租户的全文搜索引擎,具有 HTTP Web 接口和无模式 JSON 文档。Elasticsearch 基于 Java 开发,并在 SSPL + Elastic License 双重授权许可下作为开源软件发布。 Elasticsearch 9.0.4 现已发布,具体更新内容如下: 修复 Aggregations: Aggs:向FilterByFilter聚合器添加cancellation checks#130452 Distributed: #130303为TransportNodesAction在完成时耗尽响应 ES|QL: 使用序数分组避免 VALUES 中的 O(N^2)#130576 避免在本地计划中丢弃聚合分组#129370(issue:#129811、#128054) 修复BytesRef2BlockHash#130705 修复查找连接后通配符丢失问题#130448(issue:#129561) Infra/Core: Reverse disordered-version 警告消息#...
- 下一篇
苹果公开 AI 模型训练策略:从大规模网络抓取到秘密授权交易和合成内容
近日,苹果发布了一份关于其基础模型的详细报告,名为《Apple Intelligence基础语言模型2025年技术报告》,该报告深入介绍了最新人工智能模型的关键要素,几乎涵盖了所有内容,从模型架构到训练阶段、训练后阶段,以及如何对模型进行微调。报告还探讨了用于确保模型技术改进的方法,以提高模型效率,同时避免隐私泄露。 报告介绍了一款约30亿参数的端侧模型,该模型通过KV 缓存共享和 2-bit量化感知训练等架构创新,针对苹果芯片进行了优化。 另一款是基于新颖的“并行轨道混合专家”(Parallel-Track Mixture-of-Experts, PT-MoE)Transformer 架构的可扩展服务器模型,该模型在苹果的私有云计算平台(Private Cloud Compute)上运行,结合了轨道并行、稀疏计算和交错的全局-局部注意力机制。 两款模型均在通过负责任的网络爬取、授权语料库和高质量合成数据构建的大规模多语言、多模态数据集上进行训练,并利用一个新的异步平台进行监督微调和强化学习。 报告指出,在公开基准测试和人类评估中,这两款模型都达到或超过了同等规模的开源基线模型。此外,...
相关文章
文章评论
共有0条评论来说两句吧...