Frameset(框架集)

<FRAMESET COLS=”25%, 50%, *”>

  <FRAME SRC=”contents.htm”>

  <FRAME SRC=”info.htm”>

  <FRAME SCROLLING=”NO” SRC=”graphic.htm”>

  </FRAMESET>

Frameset元素是Frame元素的容器。HTML 文檔可包含 FRAMESET 元素或 BODY 元素之一,而不能同時包含兩者。

垂直切割畫面(如分左右兩個畫面),接受整數值、百分數, * 則代表佔用餘下空 間。數值的個數代表分成的視窗數目且以逗號分隔。例如 COLS=”30,*,50%” 可以 切成三個視窗,第一個視窗是 30 pixels 的寬度,為一絕對分割,第二個視窗是當 分配完第一及第三個視窗後剩下的空間,第三個視窗則占整個畫面的 50% 寬度 為 一相對分割。您可自己調整數字。

  ROWS=”120,*”

  就是橫向切割,將畫面上下分開,數值設定同上。唯 COLS 與 ROWS 兩參數儘量 不要同在一個 <FRAMESET> 標記中,因 Netacape 偶然不能顯示這類形的框架,盡 採用多重分割。

  frameborder=”0″

  設定框架的邊框,其值只有 0 和 1 , 0 表示不要邊框, 1 表示要顯示邊框。(避免使用 yes 或 no )

  border=”0″

  設定框架的邊框厚度,以 pixels 為單位。

  bordercolor=”#008000″

  設定框架的邊框顏色。

  framespacing=”5″

  表示框架與框架間的保留空白的距離。

  <FRAME> 參數設定:

  例子:<frame src=”info.html” marginwidth=”5″ marginheight=”5″ scrolling=”Auto” frameborder=”0″ noresize framespacing=”6″ bordercolor=”#0000FF”>

  SRC=”info.html”

  設定此框窗中要顯示的網頁檔案名稱,每個框窗一定要對應著一個網頁檔案。你可 使用絕對路徑或相對路徑,有關此兩者詳見於【連結進階】。

  NAME=”top”

  設定這個框窗的名稱,這樣才能指定框架來作連結,必須但任意命名。

  frameborder=0

  設定框架的邊框,其值只有 0 和 1 , 0 表示不要邊框, 1 表示要顯示邊框。(避免使用 yes 或 no )

  framespacing=”6″

  表示框架與框架間的保留空白的距離。

  bordercolor=”#008000″

  設定框架的邊框顏色。顏色值請參考【HTML 剖析】。

  scrolling=”Auto”

  設定是否要顯示卷軸,YES 表示要顯示卷軸,NO 表示無論如何都不要顯示, AUTO是視情況顯示。

  noresize

  設定不讓使用者可以改變這個框框的大小,亦沒有設定此參數,使用者可以很隨 意地拉動框架,改變其大小。

  marginhight=5

  表示框架高度部份邊緣所保留的空間。

  marginwidth=5

  表示框架寬度部份邊緣所保留的空間。

<frameset frameborder=”NO” border=”0″ framespacing=”0″>
<frame src=”左.htm” scrolling=”yes” noresize marginwidth=”0″>
<frame src=”右.htm” scrolling=”yes” id=”main”>
</frameset>
左.htm内容
……
<a href=”onepage.html” target=”main” title=”Open this page”>one page</a>
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