Khan Academy Perseus 65.1.0版本发布:增强交互式学习组件功能
Khan Academy Perseus是一个开源的交互式学习组件库,主要用于构建数学和科学教育内容。它提供了丰富的教学组件,如选择题、填空题、图形绘制工具等,帮助开发者创建动态的教育应用程序。
本次发布的65.1.0版本主要针对Radio组件和Label Image组件进行了功能增强,并修复了一些关键问题。以下是本次更新的主要内容:
新增功能亮点
选择题组件(Radio)和标签图像组件(Label Image)的提示信息增强
开发团队为Radio组件和Label Image组件增加了获取提示信息JSON输出的功能。这意味着现在可以获取到这些组件的详细解释和解题思路(rationales),为学习者提供更全面的反馈和指导。这项改进特别适合需要详细解析的教育场景,能够帮助学习者更好地理解题目背后的概念和解题方法。
重要问题修复
服务器渲染回调问题修复
修复了一个当PerseusItem没有资源时,ServerItemRenderer和LoadingContext不会触发onRendered回调的问题。这个修复确保了渲染流程的完整性,无论项目是否包含资源,都能正确触发相关回调函数。
样式系统优化
团队将LESS样式文件转换为预构建的CSS文件,简化了整个样式框架。这一改变使得样式管理更加直接,减少了构建时的复杂性,提高了项目的可维护性。
临时移除RTL显示支持
由于在故事书(Storybook)中显示RTL(从右到左)内容时出现问题,团队暂时移除了新Radio组件中的RTL显示支持。这是一个临时措施,目的是确保组件在其他环境中的正常显示,待问题解决后会重新加入这一功能。
内部改进
类型定义优化
将Radio组件的新类型从类型别名(Type)改为接口(Interface),这提供了更好的类型扩展性和IDE支持,使开发者体验更加流畅。
代码注释更新
更新了内部注释,将引用从旧的webapp改为khan/frontend,反映了Khan Academy前端代码库的迁移情况。这种文档更新虽然不影响功能,但对于新加入项目的开发者理解代码历史很有帮助。
依赖项更新
本次发布还更新了多个依赖包的版本,包括数学输入组件(math-input)、核心库(perseus-core)等,确保项目依赖保持最新状态。
总的来说,65.1.0版本在保持稳定性的同时,增强了组件的功能性,特别是为教育内容提供了更丰富的反馈信息。这些改进将进一步提升Khan Academy平台的学习体验,也为其他使用Perseus构建教育应用的开发者提供了更好的工具支持。
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