Khan Academy Perseus项目核心库3.6.0版本发布
Perseus是Khan Academy开发的一个开源数学题目渲染和交互引擎,主要用于教育领域。它能够处理各种复杂的数学表达式、图形和交互式组件,为在线学习提供强大的技术支持。本次发布的3.6.0版本对核心库进行了一系列改进和优化。
主要变更内容
代码清理与类型导出优化
开发团队移除了部分未使用的代码,提高了代码库的整洁度。同时,将ParseFailureDetail类型从核心库中导出,这一改动使得外部开发者能够更方便地处理表达式解析失败的情况。对于数学表达式处理系统来说,清晰的错误类型定义有助于构建更健壮的错误处理机制。
拆分器功能增强
本次更新将拆分器(splitters)功能移入核心库,并新增了splitPerseusItem方法。这项改进使得处理复杂数学题目内容的拆分和组合变得更加便捷。在教育应用中,经常需要将大题目分解为小部分或重新组合,这一功能的增强为开发者提供了更灵活的内容处理能力。
交互式图形编辑器修复
修复了一个导致交互式图形编辑器在设置锁定函数的定义域时崩溃的问题。这个bug会影响教师在编辑题目时的体验,特别是在配置函数图形相关题目时。修复后,编辑器能够更稳定地处理函数定义域的设置操作。
分析系统优化
对Perseus的分析和事件系统进行了更新,以提供更好的指标收集能力。在教育技术产品中,用户交互数据的收集对于改进产品体验至关重要。这一优化将帮助开发团队更准确地了解用户如何使用数学交互组件。
表达式组件改进
修复了表达式组件解析中的一个问题,现在能够正确接受"scientific"作为buttonSets的值。这个改动使得科学计算器按钮组能够在表达式组件中正常使用,扩展了数学表达式输入的支持范围。
技术影响分析
这些变更从多个方面提升了Perseus核心库的稳定性和功能性。代码清理和类型导出优化提高了库的可维护性;拆分器功能的增强为内容处理提供了更多可能性;编辑器和分析系统的改进则直接提升了用户体验和开发者的调试能力。
对于教育应用开发者而言,这些改进意味着可以构建更稳定、功能更丰富的数学学习体验。特别是在处理复杂数学内容和收集学习分析数据方面,3.6.0版本提供了更好的技术支持。
这些变更也反映了Perseus项目持续关注的两个方向:一是核心功能的稳定性和扩展性,二是教育场景下的实际使用体验。通过这样的迭代,Perseus正逐步成为一个更成熟的教育技术基础设施。
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