小红花·文摘

2025年12月14日，亚历山大·科罗特科夫提交了ALTER TABLE ... MERGE PARTITIONS ...和ALTER TABLE ... SPLIT PARTITION ...两个DDL命令补丁。这些命令用于合并和拆分分区，但在高负载下不建议用于大型分区表，尽管为未来改进奠定了基础。

休伯特·‘depesz’·卢巴切夫斯基：等待 PostgreSQL 19 – 实现 ALTER TABLE … MERGE/SPLIT PARTITIONS … 命令

Planet PostgreSQL ·

本文探讨如何将macOS作为主要输入设备，Ubuntu作为移动工作站，通过雷电网桥实现高效数据传输。作者希望简化域名解析，避免频繁修改hosts文件，采用轻量级DNS服务（如dnsmasq）管理开发域名，以确保日常网络体验不受影响。最终目标是实现开发域名通过Ubuntu解析，而其他域名仍使用macOS默认DNS。

用 Split DNS 提升跨系统双机开发体验

苏洋博客 ·

本文分享了Flash Attention v2的学习笔记，重点包括优化点、与v1的计算逻辑差异、核心计算过程的代码片段及不同硬件平台的配置选项。

【Triton 教程】triton_language.split

HyperAI超神经 ·

【Rei on Rails】#12 RubyGems Split?

Rei ·

Linux shell命令详解：全面掌握 split 文件拆分工具用法

人言兑 ·

本研究提出了SPLIT-RAG框架，通过问题驱动的图划分和协作子图检索，提升了检索增强生成系统在大型知识图谱中的效率与准确性。实验结果表明，该方法优于现有技术。

Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning

BriefGPT - AI 论文速递 ·

HSplitLoRA框架通过结合分割学习和低秩适配技术，解决了大语言模型在异构计算资源下微调的高成本和资源不平衡问题。该框架动态配置LoRA适配器的分解秩，优化模型分割点，显著提升微调效率和准确性。实验结果表明，其在训练精度和收敛速度上优于现有基准。

HSplitLoRA: A Heterogeneous Split Parameter-Efficient Fine-Tuning Framework for Large Language Models

BriefGPT - AI 论文速递 ·

PDFsam Basic是一款免费开源的多平台软件，主要用于拆分、合并、提取、旋转和加密PDF文件，界面简单易用，适合日常PDF处理需求。

PDF Split and Merge Basic Edition – 一款开源 PDF 编辑器

老董日志 ·

JS includes()、slice()、concat()、trim()、split() 字符串方法

DEV Community ·

《Split Fiction》不需要原创性，因为合作玩法如此出色

The Verge ·

split-tgz 现在是默认的 CLI 归档部署行为

Vercel News ·

CLI 归档部署现在通过 split-tgz 归档选项提升了最多 30% 的速度

Vercel News ·

本研究解决了低地球轨道（LEO）卫星系统中，由于与地面站间不稳定的连接和数据稀缺而导致的集中学习和分布式学习的挑战。提出了LEO-Split，一个适用于卫星网络的半监督分裂学习框架，通过构建辅助模型和伪标记算法，克服了数据不平衡和训练失败的问题，实验结果表明该框架在性能上优于现有的最佳模型。

LEO-Split：一种面向LEO卫星网络的半监督分裂学习框架

BriefGPT - AI 论文速递 ·

《Split Fiction》是Hazelight工作室推出的下一款合作游戏

The Verge ·

Python 第21天字符串函数逻辑与循环

DEV Community ·

我（傻乎乎的）尝试构建Flink与BigQuery源连接器

DEV Community ·

本文介绍了JavaScript的split()、reverse()和join()方法。split()将字符串按指定分隔符分割为数组；reverse()反转数组顺序；join()将数组合并为字符串。这些方法可用于灵活处理字符串和数组，实现文本反转等功能。

JavaScript 字符串操作：如何使用 Split、Reverse 和 Join

DEV Community ·

本文介绍了一种设计深度神经网络的方法，通过网络拆分将工作负载分配到头戴设备上的摄像头传感器和中央聚合器上，以满足系统性能目标。使用SplitNets框架进行模型设计、拆分和通信减少，并在多视图系统中扩展框架，以实现从多个相机传感器中输入的最佳性能和系统效率的融合学习。验证结果表明，拆分网络在ImageNet和3D分类的单视图及多视图系统上的表现优于现有方法。