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。
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