Khan Academy Perseus编辑器17.5.0版本发布解析
Perseus是Khan Academy开发的一个开源数学教育工具库,主要用于构建交互式数学题目和教学内容。作为其中的核心组件,Perseus编辑器提供了强大的题目编辑功能,支持多种数学表达和交互式组件的创建。
主要更新内容
交互式图表功能增强
本次17.5.0版本最重要的更新是对交互式图表(Interactive Graph)功能的改进。开发团队为坐标轴刻度标签增加了支持π倍数的功能。这意味着现在可以在图表中更自然地显示与圆周率相关的刻度值,比如π/2、π、3π/2等,这对于三角函数相关的教学内容特别有用。
在数学教育中,特别是涉及三角函数的题目中,使用π作为单位比使用十进制数更加直观和专业。这一改进使得Perseus编辑器能够更好地满足高等数学教育的需求。
核心功能重构
开发团队进行了一些重要的代码重构工作:
-
将Grapher(图表绘制器)的默认组件选项移动到了Perseus Core模块中。这种架构调整使得核心功能更加集中,便于维护和扩展。
-
将评分逻辑scorePerseusItem迁移到了专门的PerseusScore模块。这种模块化重构提高了代码的组织性,使得评分系统可以独立演进,同时也为未来可能的评分算法改进奠定了基础。
技术架构演进
从这次更新可以看出Perseus项目在技术架构上的几个趋势:
-
模块化程度提高:通过将特定功能迁移到专用模块(如评分逻辑迁移到PerseusScore),项目结构变得更加清晰,职责划分更加明确。
-
数学表达支持增强:新增的π倍数支持表明项目正在加强对专业数学表达的支持能力,这对于一个数学教育工具至关重要。
-
核心功能集中化:将常用组件的默认配置集中到核心模块,有利于保持一致性并减少重复代码。
对教育应用的影响
这些技术改进直接提升了Perseus编辑器在教学应用中的表现:
-
三角函数教学将更加直观,学生可以直接看到以π为单位的刻度,而不是需要自行转换的十进制数。
-
系统架构的优化意味着未来可以更快速地添加新功能或改进现有功能,而不会影响系统的稳定性。
-
评分系统的独立将使教师能够获得更准确、更灵活的评分结果,有助于更好地评估学生的学习情况。
总结
Perseus编辑器17.5.0版本虽然在版本号上只是一个小的迭代,但包含了重要的功能增强和架构改进。特别是对π倍数刻度的支持,解决了数学教育中的一个实际痛点。同时,持续进行的代码重构工作表明项目在保持快速发展的同时,也十分注重长期的可维护性和架构合理性。这些改进将使得Perseus在数学教育工具领域保持领先地位,为教师和学生提供更好的使用体验。
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