jsPsych插件库新增sketchpad插件2.1.0版本功能解析
jsPsych是一个基于JavaScript的开源心理学实验框架,它允许研究人员和开发者通过简单的代码构建复杂的心理学实验。该框架采用模块化设计,通过各类插件实现不同实验范式,大大降低了心理学实验开发的难度。
sketchpad插件功能概述
sketchpad插件是jsPsych生态中一个重要的交互组件,它为用户提供了一个数字画板功能。在心理学实验中,这种交互方式常被用于:
- 自由回忆任务中让被试绘制记忆内容
- 空间认知研究中获取被试的空间表征
- 创造力评估中收集被试的即兴创作
- 儿童心理学研究中的非语言表达能力测试
2.1.0版本核心改进
最新发布的2.1.0版本主要增加了学术引用功能,这一改进体现了jsPsych团队对科研规范的重视。具体更新内容包括:
-
标准化引用系统:每个插件现在都内置了APA和BibTeX两种格式的引用信息,方便研究者在论文中规范引用所使用的工具。
-
自动化引用生成:插件构建过程中会自动从.cff文件(一种学术软件描述文件)中提取引用信息,确保引用内容的准确性和一致性。
-
便捷引用工具:新增的getCitations()函数允许用户通过简单的代码调用,就能生成所需的引用文本,支持按插件名称数组批量生成引用。
技术实现细节
从技术角度看,这次更新主要涉及:
-
元数据架构:每个插件现在都包含标准化的info字段,其中citations子字段存储了多种格式的引用信息。
-
构建流程优化:在webpack构建过程中加入了自动解析.cff文件的逻辑,实现了引用信息的自动化注入。
-
API设计:getCitations()函数采用模块化设计,支持灵活扩展新的引用格式,同时保持简洁的调用接口。
对研究实践的意义
这一更新对心理学研究实践有几个重要价值:
-
提升研究透明度:方便研究者准确报告实验工具,增强研究可重复性。
-
简化写作流程:自动化生成引用文本节省了研究者手动整理文献的时间。
-
规范学术实践:内置的引用系统引导研究者养成规范引用的习惯。
使用建议
对于使用sketchpad插件的研究者,建议:
-
在方法部分明确说明使用了jsPsych框架及具体插件版本。
-
利用getCitations()函数生成标准引用,确保格式正确。
-
更新实验代码时注意检查引用信息是否同步更新。
-
对于自行修改的插件版本,应相应更新.cff文件中的信息。
这一更新体现了jsPsych项目对开放科学和学术规范的持续投入,使得这一工具不仅功能强大,而且在学术严谨性上也达到了更高标准。
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