jsPsych插件initialize-camera 2.1.0版本发布:增强学术引用功能
jsPsych是一个广泛应用于心理学和行为科学研究中的JavaScript库,它允许研究人员在浏览器中创建和运行复杂的实验。该库通过模块化的插件系统提供了丰富的实验功能,从简单的问卷调查到复杂的认知任务都能轻松实现。
在最新发布的initialize-camera插件2.1.0版本中,jsPsych团队引入了一个对学术研究至关重要的功能改进——标准化引用系统。这一改进将极大地方便研究人员在发表论文时正确引用所使用的实验工具。
新增引用功能详解
initialize-camera插件2.1.0版本的核心更新是为所有插件和扩展添加了标准化的引用属性。这一功能通过以下方式实现:
-
内置引用信息:每个插件现在都包含一个info字段,其中存储了两种标准学术引用格式:
- APA格式:心理学领域最常用的引用格式
- BibTeX格式:LaTeX文档处理系统常用的引用格式
-
动态引用生成:jsPsych包新增了getCitations()函数,研究人员可以通过以下方式生成所需的引用:
- 第一个参数传入插件/扩展名称数组
- 第二个参数指定所需的引用格式字符串
-
自动构建流程:在构建过程中,系统会自动从每个插件文件夹根目录下的.cff文件(如果有)生成相应的引用信息,确保引用数据的准确性和一致性。
技术实现特点
这一版本的实现体现了几个重要的技术考量:
-
标准化设计:所有插件/扩展的模板现在默认包含citations字段,保证了整个生态系统的一致性。
-
用户友好输出:getCitations()函数生成的引用字符串使用换行符分隔每个引用,并且总是首先输出jsPsych库本身的引用,符合学术规范。
-
格式灵活性:同时支持APA和BibTeX两种格式,满足了不同期刊和学术场景的需求。
对研究实践的影响
这一改进对心理学和行为科学研究具有重要意义:
-
简化引用流程:研究人员不再需要手动查找和格式化引用信息,减少了出错的可能性。
-
提高研究透明度:标准化的引用方式使实验方法的描述更加清晰,有利于研究的可重复性。
-
促进学术规范:自动包含jsPsych库引用的设计确保了基础工具的适当引用,尊重了开源贡献者的工作。
initialize-camera插件本身用于实验中的摄像头初始化,这一功能在需要记录参与者面部表情或眼动等数据的实验中尤为重要。2.1.0版本的这一改进,使得使用摄像头进行实验的研究人员在撰写论文时能够更加便捷地处理引用问题。
这一更新反映了jsPsych项目对学术研究完整性的重视,也展示了开源科学工具如何通过技术创新来支持研究实践的规范化。随着心理学和行为科学研究对方法透明度和可重复性要求的提高,这样的功能改进将成为实验工具发展的重要方向。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00