Pandoc项目中的JATS导出功能新增CRediT角色支持
在学术出版领域,JATS(Journal Article Tag Suite)作为标准化的XML格式被广泛采用。近期Pandoc社区针对其JATS导出功能进行了重要升级,新增了对CRediT(Contributor Roles Taxonomy)作者贡献者角色标准的支持。这项改进使得学术论文的作者贡献声明能够更规范地嵌入到JATS格式文档中。
CRediT标准由NISO维护,定义了14种标准化的作者贡献角色,如"概念化"、"数据分析"、"资金获取"等。在技术实现层面,Pandoc通过在作者元数据中引入roles字段来支持这一特性。用户可以在YAML元数据中为每位作者声明多个贡献角色,每个角色包含type(CRediT标识符)和degree(贡献程度)两个关键属性。
从技术架构角度看,这项改进涉及三个核心组件:
- 元数据结构扩展:在作者信息中新增了可选的roles数组字段
- 模板引擎升级:修改了JATS发布模板以支持角色信息的XML渲染
- 国际化处理:通过内置的CRediT术语表支持多语言标签生成
在实际应用中,用户可以通过简洁的YAML语法声明作者贡献。系统会自动处理CRediT标识符与标准URI的映射关系,以及英文术语到其他语言的转换。这种设计既保证了元数据的规范性,又减轻了用户的输入负担。
对于学术出版工作流而言,这项改进具有重要意义。它使得通过Pandoc生成的JATS文档能够满足越来越多期刊对规范化作者贡献声明的强制要求。同时,标准化的角色声明也有助于提高学术出版的透明度和可追溯性。
从实现细节来看,系统会智能处理CRediT术语的各种变形情况。例如将"Writing - original draft"自动转换为标准URI路径,这种自动化处理显著提升了用户体验。开发者还特别考虑了多语言场景,允许用户覆盖默认的英文标签以满足不同语言期刊的需求。
这项功能改进体现了Pandoc作为文档转换工具对学术出版标准的持续跟进,也展示了开源社区如何通过协作解决实际工作流中的痛点问题。对于经常需要处理学术论文格式转换的研究人员和出版工作者来说,这无疑是一个值得关注的重要升级。
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-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