Khan Academy Perseus 50.0.0 版本发布:核心架构优化与交互功能增强
Perseus 是 Khan Academy 开源的一个数学教育内容渲染引擎,主要用于呈现交互式数学题目和教学内容。作为 Khan Academy 教育平台的核心组件之一,Perseus 提供了丰富的数学题目类型和交互功能,支持从基础算术到高等数学的各种教学内容展示。
本次发布的 50.0.0 版本是一个重要的里程碑更新,主要围绕核心架构重构和交互功能增强展开。版本引入了多项重大变更,包括模块化重构、类型安全改进以及新的交互图形功能。这些改进不仅提升了开发体验,也为最终用户带来了更丰富的数学交互体验。
核心架构重构与模块化
50.0.0 版本对 Perseus 的核心架构进行了重要重构,将部分功能模块从主包中分离出来,形成了更加清晰的模块化结构:
-
Perseus-Core 模块增强:将原本属于 Perseus 的一些核心功能迁移到了 Perseus-Core 模块中,包括数据模式定义和工具函数等。这种分离使得核心逻辑更加集中,便于维护和复用。
-
新增 Perseus-Score 模块:专门处理评分相关逻辑的独立模块,将答案类型(AnswerTypes)等评分相关定义从主包中迁移出来。这种专业化分工有助于提高代码的可维护性和可测试性。
-
类型安全改进:引入了
parseAndMigratePerseusItem()和parseAndMigratePerseusArticle()两个新的类型安全解析函数,取代了原有的parsePerseusItem()。这些新函数不仅提供更好的类型支持,还能自动将旧格式的内容迁移到最新格式,确保了向后兼容性。
交互式图形功能增强
本次更新为交互式图形功能带来了显著改进:
-
新增坐标轴标记类型:在交互式图形编辑器中增加了对坐标轴(axes)标记的支持。这一功能扩展了图形交互的可能性,使教师能够创建更多样化的数学题目类型。
-
屏幕阅读器支持增强:
- 为交互式图形编辑器添加了屏幕阅读器树结构,提升了视障用户的可访问性
- 完善了圆形元素的完整图形描述,确保屏幕阅读器能够准确描述图形内容
开发者体验改进
针对开发者体验,本次更新也做了多项优化:
-
测试工具增强:新增了 Mock Widget 测试工具,简化了组件测试的编写过程,提高了测试的可靠性和可维护性。
-
内容解析改进:
parsePerseusItem现在能够解析所有已发布的内容格式,并自动将旧格式升级到当前版本。这一改进简化了内容迁移过程,确保了系统的向前兼容性。 -
工具函数整理:将一些辅助函数如
objective_系列工具迁移到了更合适的模块中,使代码组织更加合理。
总结
Perseus 50.0.0 版本通过核心架构的重构和模块化,为项目的长期健康发展奠定了基础。同时,新增的交互图形功能和改进的可访问性支持,进一步丰富了数学教学的可能性。对于开发者而言,类型安全的改进和测试工具的增强将显著提升开发效率和代码质量。这些变化共同推动了 Perseus 作为一个专业数学教育渲染引擎的成熟度。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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