IMathAS 的安装和配置教程
1. 项目基础介绍和主要编程语言
IMathAS(Internet Mathematics Assessment System)是一个基于网络的数学评估系统,主要用于在线交付和自动评分数学作业和测试。它类似于出版社提供的系统,能够生成算法化的问题,并且可以计算机评分数值和数学表达式答案。IMathAS 还包括一些学习管理工具,例如发布文件、讨论论坛和完整的成绩册。该系统可以作为 LTI 工具使用,与学习管理系统(LMS)集成。
IMathAS 使用 PHP 作为主要的编程语言,并且依赖于 MySQL 数据库来存储数据。
2. 项目使用的关键技术和框架
- PHP:用于开发 web 应用程序的服务器端脚本语言。
- MySQL:一个开源的关系型数据库管理系统。
- LTI(Learning Tools Interoperability):一个标准,使得不同的学习管理系统之间可以互相连接和交互。
- GD 库:用于处理图像的 PHP 扩展库。
- CURL:用于传输数据的 PHP 扩展库。
3. 项目安装和配置的准备工作及详细步骤
准备工作
在开始安装 IMathAS 之前,请确保您的服务器满足以下要求:
- PHP 7.4 或更高版本
- MySQL 5.6 或更高版本
- PHP 扩展:mbstring、pdo_mysql、gettext(必需),gd(带 freetype 支持)、zip、curl、openssl(推荐)
安装步骤
-
下载和上传文件
从 GitHub 下载 IMathAS 的源代码,并将其上传到您的服务器。
-
设置数据库
在您的服务器上创建一个新的 MySQL 数据库,并记下数据库的名称、用户名和密码。
-
运行安装脚本
在浏览器中访问
/install.php,并根据提示填写数据库信息。这个脚本将会创建config.php文件,设置目录权限,并建立数据库。 -
设置文件权限
确保
/assessment/libsassessment/qimages、/admin/import、/course/files、/filter/graph/imgs和/filestore(如果您不使用 S3 存储的话)这些目录拥有足够的权限,使得 web 服务器可以写入文件。 -
登录系统
使用初始的用户名 'root' 和密码 'root' 登录 IMathAS。
-
自定义页面
如果需要,可以编辑
loginpage.php和infoheader.php来自定义登录页面。如果您打算使用新教师账户请求页面,也可以自定义newinstructor.php。 -
升级
当需要更新软件时,可以通过复制新文件到服务器或者运行
git pull(如果您使用 Git 安装的话)来更新。更新文件后,访问/upgrade.php来执行数据库迁移。 -
配置
通过编辑
config.php文件来配置 IMathAS,设置如数据库连接信息、安装名称、登录提示、邮件发送地址等。
完成以上步骤后,您的 IMathAS 系统应该已经安装并可以使用了。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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