al-folio Jekyll 主题使用指南
1. 项目介绍
al-folio 是一个为学术界设计的简单、干净且响应式的 Jekyll 主题。它支持快速数学排版(通过 MathJax)、代码语法高亮(使用 GitHub 风格),以及图表(通过 Chart.js)、Mermaid 图表和 TikZ 图形等功能。该主题非常适合用于个人主页、实验室页面、课程页面、研讨会页面等。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Ruby 和 Bundler。然后,克隆项目并安装依赖:
git clone https://github.com/alshedivat/al-folio.git
cd al-folio
bundle install
2.2 本地预览
在本地启动 Jekyll 服务器以预览网站:
bundle exec jekyll serve
2.3 部署到 GitHub Pages
将项目推送到 GitHub 仓库,并使用以下命令部署到 GitHub Pages:
bin/deploy --user
3. 应用案例和最佳实践
3.1 学术个人主页
al-folio 主题非常适合用于学术个人主页。你可以通过编辑 _pages/about.md 文件来添加个人信息、研究方向、联系方式等。
3.2 实验室页面
如果你是一个实验室的管理员,可以使用 al-folio 主题来创建实验室页面。通过编辑 _pages/people.md 文件,你可以添加实验室成员的信息和照片。
3.3 课程页面
al-folio 主题还可以用于创建课程页面。你可以通过编辑 _pages/teaching.md 文件来添加课程信息、教学大纲、课程资料等。
4. 典型生态项目
4.1 Jekyll
Jekyll 是一个静态站点生成器,al-folio 主题基于 Jekyll 构建。Jekyll 支持 Markdown 和 Liquid 模板语言,非常适合用于创建静态网站。
4.2 GitHub Pages
GitHub Pages 是一个静态站点托管服务,可以直接从 GitHub 仓库托管网站。al-folio 主题支持通过 GitHub Pages 进行部署。
4.3 MathJax
MathJax 是一个用于在网页上显示数学公式的 JavaScript 库。al-folio 主题内置了对 MathJax 的支持,可以轻松地在网页中插入数学公式。
4.4 Chart.js
Chart.js 是一个用于创建图表的 JavaScript 库。al-folio 主题支持通过 Chart.js 创建各种类型的图表,非常适合用于展示数据。
通过以上步骤,你可以快速上手并使用 al-folio 主题创建一个功能丰富的学术网站。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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