IMathAS 开源项目最佳实践教程
1. 项目介绍
IMathAS(Internet Mathematics Assessment System)是一个网络数学评估系统。它主要用于在线交付和自动批改数学作业和测试,类似于出版社提供的系统。该系统可以生成算法问题,并且能够计算机批改数值和数学表达式答案。IMathAS 还包含了学习管理工具,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,与学习管理系统(LMS)集成。
IMathAS 支持多个平台,例如 MyOpenMath.com、WAMAP.org、Lumen OHM、XYZhomework 等。
2. 项目快速启动
环境要求
- PHP 7.4+ 版本
- MySQL 5.6+ 版本
- PHP 扩展:mbstring、pdo_mysql、gettext
- 推荐扩展:gd(带 freetype 支持)、zip、curl、openssl
安装步骤
-
下载 IMathAS,解压文件,并将文件复制到您的 Web 服务器。 或者,如果您的服务器有壳访问权限,可以进入希望安装 IMathAS 的目录,并从 Github 检出代码。使用 Git 可以大大简化升级过程。
-
为 IMathAS 创建数据库。
-
打开浏览器并访问
/install.php。此脚本将生成config.php文件,更改目录权限并设置数据库。它还会创建loginpage.php、infoheader.php和newinstructor.php的本地副本。安装结束时,您将有机会安装一组示例问题。 -
确保以下目录具有目录权限,允许 Web 服务器写入文件:
/assessment/libsassessment/qimages/admin/import/course/files/filter/graph/imgs/filestore(如果不使用 S3 存储)
-
登录 IMathAS。如果在运行
install.php时未更改初始 imathas 用户设置,请以 'root' 用户名和密码 'root' 登录。 -
如果需要,编辑
loginpage.php和infoheader.php来自定义登录页面。如果计划使用新教师账户请求页面,可以自定义newinstructor.php。
升级
- 要更新软件,可以复制更新后的文件到 Web 服务器,或者如果您使用 Git 安装,运行
git pull。更新文件后,访问/upgrade.php来运行任何必要的数据库迁移。注意查看输出,因为偶尔会显示需要配置更改的消息。
3. 应用案例和最佳实践
- 定制化: 根据
config.php中的变量定制安装,如数据库设置、安装名称、登录提示等。 - 安全性: 设置
$CFG['GEN']['newpasswords']为 'only' 以使用高质量的密码安全。 - 数据迁移: 使用
upgrade.php脚本确保数据库结构与最新版本同步。 - 权限管理: 合理设置目录权限,确保 Web 服务器可以写入必要的文件。
4. 典型生态项目
- MyOpenMath.com: 使用 IMathAS 提供开放数学资源的平台。
- WAMAP.org: 为华盛顿州提供数学评估服务。
- Lumen OHM: 开放数学课程。
以上是 IMathAS 的最佳实践教程,希望能帮助您更好地使用和维护这个开源项目。
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