## 抖动:一项令人惊讶的实用技术
尽管显示技术不断进步,抖动仍然是图形编程中一项有用的技术——不仅适用于旧系统,而且适用于今天的艺术和实际应用。抖动解决了显示设备无法支持的更多颜色的图像问题,防止颜色分层和细节丢失。它通过使用可用颜色的图案来近似不可用的颜色,从而产生更广色域的*错觉*。
本文探讨了图像抖动,重点是误差扩散——一种将颜色近似的“误差”分布到相邻像素的方法。它详细介绍了十一条二维抖动公式,包括众所周知的算法,如Floyd-Steinberg、Jarvis、Judice & Ninke 和 Sierra。这些公式的复杂性和性能各不相同,会影响抖动图像的平滑度和外观。
除了误差扩散之外,本文还简要介绍了“有序抖动”技术,该技术速度更快,但产生的图案更明显。还参考了一个通用的抖动引擎实现,为开发人员提供了一个起点。最终,抖动仍然是减少图像颜色深度(为了文件大小或打印机兼容性)同时保持视觉质量的强大工具。
## TOON:为LLM设计的高效数据格式
TOON(Token-Oriented Object Notation,面向Token的对象表示法)是一种新的数据格式,旨在减少与大型语言模型(LLM)交互时的Token使用量,从而节省成本并实现更大的数据输入。它通过结合YAML的易读性(缩进)和CSV的表格结构来实现,并针对LLM的Token化进行了优化。
TOON在处理**统一、复杂对象**时表现出色——即具有多个字段的单个数据项,且所有数据项结构一致的数据。它通常比JSON**节省30-60%的Token**,使用最少的语法并去除冗余标点符号。它使用显式长度和字段列表来帮助LLM验证。
TOON具有适应性:对于非统一数组,它会切换到列表格式,此时JSON可能更有效。主要特性包括确定性格式、可定制的分隔符(逗号、制表符或竖线)以及长度标记选项。
基准测试表明,TOON在各种数据集(GitHub仓库、每日分析、电子商务订单)和不同的LLM上都能显著节省Token。TOON优先考虑LLM的理解能力和数据检索准确性,使其成为可读性和Token效率都至关重要的场景的理想选择。