Khan Academy Perseus 编辑器重大更新:v24.0.0 版本解析
Perseus 是 Khan Academy(可汗学院)开发的开源数学内容编辑与渲染系统,主要用于创建交互式数学题目和教学内容。作为教育技术领域的重要工具,Perseus 的编辑器组件为内容创作者提供了强大的题目编辑功能。
核心功能升级
本次 v24.0.0 版本带来了多项重大改进,主要集中在编辑器功能和可访问性方面:
-
可访问性检查机制重构
开发团队将原有的 checkAccessibilityAndWarn 逻辑重构为自定义的 linter 规则。这一改进使得可访问性检查更加模块化和可维护,为后续扩展更多检查规则奠定了基础。
-
问题面板容器引入
新增的 Issues Panel 容器(LEMS-2925)为编辑器提供了更直观的问题反馈界面。该面板会显示包括标题、描述、影响程度和具体消息在内的详细可访问性警告列表。通过使用不同的图标状态,内容创作者可以一目了然地了解当前内容是否存在问题或已通过所有检查。
-
编辑器数据传递优化
在 EditorPage 和 ItemEditor 组件之间,现在通过新的 props 进行数据传递。这种改进使得组件间的通信更加清晰和类型安全,有助于减少潜在的错误并提高代码的可维护性。
辅助功能增强
-
交互式图形和标签图像组件的部分可访问性支持
本次更新为交互式图形(interactive graph)和标签图像(label image)组件添加了部分可访问性功能。这些改进使得视觉障碍用户能够更好地使用这些交互式数学工具。
技术架构调整
-
依赖项更新
与 Perseus 核心库(v65.0.0)、Perseus Core(v14.0.0)和 Perseus Linter(v4.0.0)等关键依赖项进行了同步更新,确保整个生态系统的兼容性和一致性。
-
评分系统升级
Perseus Score 升级至 v7.1.0 版本,为题目评分功能带来了改进。
对教育内容创作的影响
这些更新显著提升了教育内容创作者的工作效率:
- 可访问性问题的实时反馈帮助创作者在早期就能发现并修复问题
- 更清晰的问题描述减少了理解障碍
- 改进的数据流减少了编辑器操作中的意外错误
- 增强的交互组件可访问性使得内容能够服务更广泛的学习者群体
对于使用 Perseus 构建在线教育平台或数学学习应用的开发者而言,这一版本标志着平台在专业性和可用性方面的重要进步。特别是对可访问性的持续投入,体现了 Khan Academy 对包容性教育的承诺。
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