最近在整理历史的研究文档的时候发现了还保有了一些有关 DITA 的文档。 随着技术的发展,DITA 显得非常臃肿了,并且编译处理并不是非常友好。 查询了下官方的版本历史: 已经有差不多 2 年没有更新了,由此看来 DITA 作为文档交付应该已经是日薄西山了。应该没有什么人通过写 XML 的方式来写文档了。 回想一下曾经用过的 DITA,编译太复杂,PDF 生成问题太多,CHM 格式的文档很多时候大家都不愿意用,更多的都在使用 Github 上来写 MD 格式。 DITA 已死,就此留念。 不管怎么样, DITA 也代表了人类文明出版中的小缩影。 https://www.ossez.com/t/dita-docbook/10050/2
一、需求 使用 lorem.dita 作为示例 XML 文档,通过正则表达式提取出该文档中的所有 XML 标签,并转换为简单的 XSLT 样式表。 可以在 Github 中找到 lorem.dita 文件,地址是https://github.com/michaeljamesfitzgerald/Introducing-Regular-Expressions PUBLIC "-//OASIS//DTD DITA Topic//EN" "topic.dtd"> <topic id="lorem"> <title>Lorem Ipsum</title> <
Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy Dita:面向通用视觉-语言-动作策略的扩散 本文提出Dita框架,通过统一的多模态扩散过程,利用Transformer架构直接对连续动作序列进行去噪。 与现有基于浅层网络融合嵌入的条件去噪方法不同,Dita采用上下文条件机制(in-context conditioning),实现了去噪动作与历史观测原始视觉Token之间的细粒度对齐。 通过结合扩散动作去噪器与Transformer的可扩展性优势,Dita能够有效整合跨具身(cross-embodiment)数据集,涵盖多视角相机、多样化观测场景、任务及动作空间。 在广泛基准测试中,Dita在仿真环境达到最先进或可比性能。值得注意的是,仅需10样本微调,Dita即可通过第三人称相机输入,实现对现实环境变量和复杂长时序任务的鲁棒适应。
设计原则:DITA Youtu-Agent的研究员提出了DITA原则,总结智能体设计的四个关键维度: Demand(需求):明确任务目标,来源于系统提示词中的requirements或用户输入的intention 自动化 Agent 生成:降低门槛的核心亮点 除了 DITA 框架之外,Youtu-Agent还特别强调了一个核心亮点:自动化Agent生成。
在此之前,我一直以为部署一套这样的系统,非得采购专门工具不可;万万没想到,一个免费开源的工具,竟然可以做到如此交付水平;而且完全不需要开发者掌握专门的xml/dita格式,只需要配合通用性更高的rst/
使用结构化写作(如DITA, Darwin Information Typing Architecture)来提高内容重用率。5.
MC加速器由具有成功经验的硬件团队主导,更具实战经验和产业资源,这个加速器基于亿觅此前的线上设计师社区的运营,以及与dita微空气检测仪等项目的成功合作,效果可能更好。 第三类是众筹平台。
这种结构化、模块化的内容呈现是基于 XML 的体系结构,比较火热且流行的标准是 DITA 标准。
Actions 企业API文档: OpenAPI/Swagger + Postman + Confluence + Jenkins 产品用户手册: Structured Content (DITA