Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
在 CPU 硬件上运行的 Gradio 应用,利用论文推荐数据集,为你推荐与已知论文相似的研究论文。
Recommend Similar Papers 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download librarian-bots/recommend_similar_papers --repo-type space --local-dir recommend_similar_papers cd recommend_similar_papers
Recommend Similar Papers 是 librarian-bots 团队的 Gradio 应用,能为你给出的论文指出相关的论文。它列出数据集 librarian-bots/paper-recommendations-v2 作为数据。它在 Hugging Face 的 cpu-upgrade 硬件设置上运行,并带有 MCP 标签。
找到一篇有用的论文,想沿着同一方向读更多的研究人员和学生。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 学者 | 为文献检索找相关工作 | 从一篇论文出发,读它的推荐 |
| 教育 | 学生 | 拓宽某个主题的阅读 | 查找课程阅读材料附近的论文 |
| 软件 | 研究工具的开发者 | 研究一个小型推荐应用 | 阅读 app.py |
| 图书馆服务 | 图书馆员 | 把读者引向相关论文 | 把推荐分享给读者 |
需要带筛选的完整论文搜索引擎的人可以跳过它,因为这个应用只关注相似论文。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 查找相似论文 | 研究人员 | 与你给出的论文相关的论文列表 |
| 研究代码 | 开发者 | 一个只有单个文件的简短 Gradio 应用 |
pip install -U huggingface_hub hf download librarian-bots/recommend_similar_papers --repo-type space --local-dir recommend_similar_papers cd recommend_similar_papers pip install gradio==6.30.0 pip install -r requirements.txt python app.py
在线使用时,访问 Hugging Face 上的这个 Space,指明一篇论文,读返回的推荐。在自己的电脑上,运行启动命令,再打开 Gradio 提供的本地页面。
python app.py
| 工具 | 作用 |
|---|---|
| app.py | 启动 Gradio 界面 |
| requirements.txt | 列出固定版本的 Python 软件包 |
| requirements.in | 存放顶层软件包列表 |
你输入一篇你喜欢的论文,看返回的列表。然后打开与你的主题相符的相关论文。
如果你刚接触,先用一篇你熟悉的论文,读返回的推荐。这能让你看出推荐结果和你自己的阅读有多接近。
如果你熟悉这个领域,这个 Space 列出了 librarian-bots/paper-recommendations-v2 数据集,并使用由 requirements.in 生成的固定版本 requirements.txt。它在 Python 3.13 和 Gradio 6.30.0 上运行。来源对相似度如何计算说得很少,所以请到应用里看它怎么给结果排序。
在 CPU 硬件上运行的 Gradio 应用,利用论文推荐数据集,为你推荐与已知论文相似的研究论文。
由 librarian-bots 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Recommend Similar Papers 是 librarian-bots 团队的 Gradio 应用,能为你给出的论文指出相关的论文。它列出数据集 librarian-bots/paper-recommendations-v2 作为数据。它在 Hugging Face 的 cpu-upgrade 硬件设置上运行,并带有 MCP 标签。
适合谁:找到一篇有用的论文,想沿着同一方向读更多的研究人员和学生。
行业 | 谁在用 | 怎么用 | 例子
研究 | 学者 | 为文献检索找相关工作 | 从一篇论文出发,读它的推荐
教育 | 学生 | 拓宽某个主题的阅读 | 查找课程阅读材料附近的论文
软件 | 研究工具的开发者 | 研究一个小型推荐应用 | 阅读 app.py
图书馆服务 | 图书馆员 | 把读者引向相关论文 | 把推荐分享给读者
需要带筛选的完整论文搜索引擎的人可以跳过它,因为这个应用只关注相似论文。
用在哪里:
用例 | 谁用 | 得到什么
查找相似论文 | 研究人员 | 与你给出的论文相关的论文列表
研究代码 | 开发者 | 一个只有单个文件的简短 Gradio 应用
如何设置:
pip install -U huggingface_hub
hf download librarian-bots/recommend_similar_papers --repo-type space --local-dir recommend_similar_papers
cd recommend_similar_papers
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,访问 Hugging Face 上的这个 Space,指明一篇论文,读返回的推荐。在自己的电脑上,运行启动命令,再打开 Gradio 提供的本地页面。
python app.py
工具 | 作用
app.py | 启动 Gradio 界面
requirements.txt | 列出固定版本的 Python 软件包
requirements.in | 存放顶层软件包列表
示例:你输入一篇你喜欢的论文,看返回的列表。然后打开与你的主题相符的相关论文。
新手与专家:如果你刚接触,先用一篇你熟悉的论文,读返回的推荐。这能让你看出推荐结果和你自己的阅读有多接近。
如果你熟悉这个领域,这个 Space 列出了 librarian-bots/paper-recommendations-v2 数据集,并使用由 requirements.in 生成的固定版本 requirements.txt。它在 Python 3.13 和 Gradio 6.30.0 上运行。来源对相似度如何计算说得很少,所以请到应用里看它怎么给结果排序。
你给应用一篇论文
它查找推荐数据集
它挑出相关论文
你阅读推荐
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Recommend Similar Papers 本页 | 201 | gradio | mit | |
| TabArena共有 mcp-server · gradio | 222 | gradio | apache-2.0 | |
| 4DAnyone Multi-View Video共有 mcp-server · gradio | 47 | gradio | apache-2.0 | |
| PRISM Image to 3D共有 mcp-server · gradio | 6 | gradio | apache-2.0 | |
| ModelScope Text To Video共有 mcp-server · gradio | 1 | gradio | cc-by-nc-4.0 | |
| RigidFormer共有 mcp-server · gradio | 1 | gradio | mit |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。