【Scala】基础_for

本文介绍了使用Scala语言进行List遍历的方法,并展示了如何通过条件过滤来选择性地打印List中的元素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.
object for_test {
  val l = List("A","B","C")         //> l  : List[String] = List(A,B,C)
  for (
      d <- l
  ) println(d)                     //> A
                       //| B
                       //| C
}


上面这段简单的代码,表示声明一个List, 然后遍历这个List,将每一个List中的值,赋值给d,然后打印出来。

如果我们在worksheet中写着么一段代码,立即就可以看到返回的结果啦。

Tips:左箭头 ← 表示 generator


2.

object for_test {
  val l = List("A","BB","CCC")         //> l  : List[String] = List(A,BB,CCC)
  for (
      d <- l
      if (d.length > 2)            //filter
  ) println(d)                     //> CCC
}

上面这段简单的代码,表示声明一个List,然后遍历,还是将List的值,赋值给d,但是只有当d这个字符串的长度大于2的时候才打印。




内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值