新闻详情

新闻详情

首页 / 资讯中心 / 详情

vercel-optimize - CONTRIBUTING

发布时间:2026/11/15 2:52:51来源:尧图网络
vercel-optimize - CONTRIBUTING
为vercel-optimize做贡献保持改动小而聚焦、有指标依据并通过夹具测试。运行时代码位于skills/vercel-optimize测试和夹具位于packages/vercel-optimize-tests以保证已安装技能保持精简。常见改动改动编辑测试门控lib/gates/id.mjs、lib/gates/index.mjsnode --test packages/vercel-optimize-tests/test/*gate*.test.mjs扫描器lib/scanners/id.mjs、lib/scanners/index.mjspackages/vercel-optimize-tests/test/中的扫描器特定测试引用references/docs-library.jsonnode skills/vercel-optimize/scripts/check-citations.mjs支持主题references/support-topics/id.mdnode --test packages/vercel-optimize-tests/test/support-topics.test.mjs行动手册references/playbooks/profile.md及references/scoring.md中的选择矩阵node --test packages/vercel-optimize-tests/test/support-topics.test.mjs packages/vercel-optimize-tests/test/investigation-brief.test.mjs渲染器或验证器lib/render-report.mjs、lib/verify-claim.mjs或相关模块针对性测试加完整测试套件生成的文档nodeskills/vercel-optimize/scripts/build-docs.mjsnodeskills/vercel-optimize/scripts/check-docs-fresh.mjs完整测试循环node--testpackages/vercel-optimize-tests/test/*.test.mjsnodeskills/vercel-optimize/scripts/check-docs-fresh.mjsnodeskills/vercel-optimize/scripts/check-citations.mjs规则无运行时依赖。脚本仅使用 Node.js 20 内置功能与 Vercel CLI。没有 Vercel 指标信号、代码变更时的代码证据以及白名单内的引用就不给出任何建议。不编造 URL、确切的节省金额预测或版本不匹配的框架 API。夹具中不包含内部仓库路径、服务名称、客户名称或捕获的私有输出。保持生成的报告文案面向客户。将调试详情放在--debug-out后面。输出契约每个输出 JSON 的脚本必须是确定性的稳定的键顺序、稳定的排序顺序、2 空格缩进、末尾换行。如果被消费的模式发生变化请在同一个 PR 中更新模式版本和夹具测试。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉