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。
用 THX-02 决策模型,对你描述的情境里的每个选项给出概率,还有可选的思考模式。这是一个 Gradio 演示,适合测试校准决策的研究者和开发者。
THX-02 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 HAL-X-AI/thx-02 --repo-type space --local-dir thx-02 cd thx-02
这是 THX-02 的 Gradio 演示,THX-02 是一个决策模型,它为每个选项给出概率,而不是只挑出一个。你描述一个状态,再添加三种类型的问题:choice、一种叫 noul 的是非题,以及 score。还可以打开可选的思考模式。它在 Hugging Face 的 zero-a10g 硬件上运行。
研究模型概率和现实吻合程度的研究者,以及想要一个会报告不确定性的决策步骤的开发者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 研究 | 机器学习研究者 | 查看决策模型给出的校准概率 | 比较一个 choice 问题的各个选项 |
| 软件 | 智能体开发者 | 测试一个会返回不确定性的决策步骤 | 对一个描述好的状态试一个是非题 |
| 分析 | 分析师 | 描述一个情境并提出不同类型的问题 | 读每个选项的概率 |
| 教育 | 学生 | 了解校准概率是什么样子 | 打开和关闭思考,比较差别 |
如果你只想要一个干脆的答案,可以跳过它,因为模型会给每个选项都返回一个概率。
| Use case | Who | What they get back |
|---|---|---|
| 给一个 choice 的选项排序 | 研究者和分析师 | 每个选项的校准概率 |
| 回答一个是非题 | 开发者 | 是和否各自的概率 |
| 给某样东西打分 | 开发者 | 基于概率的得分 |
pip install -U huggingface_hub hf download HAL-X-AI/thx-02 --repo-type space --local-dir thx-02 cd thx-02 pip install gradio==6.31.0 pip install -r requirements.txt python app.py
模型在应用进程内通过 transformers 运行,而不是通过单独的 vLLM 服务器。页面没有说明本地运行需要什么硬件。
在线使用时,打开这个 Space,描述一个状态并添加你的问题。你可以加载 examples 文件夹里自带的示例。在自己的电脑上,运行应用文件,然后在浏览器里打开 Gradio 提供的页面。
| Tool | What it does |
|---|---|
| choice | 有多个选项的问题,为每个选项给出概率 |
| noul | 一个是非题 |
| score | 一个打分题 |
| python app.py | 在你的电脑上启动 Gradio 应用 |
你用几句话描述一个简短的情境,再添加一个有三个选项的 choice 问题。应用为每个选项返回一个概率,这样你能看出模型有多确定,而不只是哪个选项领先。
如果你是新手,校准概率就是一个尽量和答案实际答对的频率相符的数字。先试自带的示例,再改一个细节,看数字怎么变。
如果你熟悉这个领域,这个检查点是作者把决策权重和一个 think LoRA 合并而成的,由他们自己的函数构建。思考是可选的,并且会自行门控。
用 THX-02 决策模型,对你描述的情境里的每个选项给出概率,还有可选的思考模式。这是一个 Gradio 演示,适合测试校准决策的研究者和开发者。
由 HAL-X-AI 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:这是 THX-02 的 Gradio 演示,THX-02 是一个决策模型,它为每个选项给出概率,而不是只挑出一个。你描述一个状态,再添加三种类型的问题:choice、一种叫 noul 的是非题,以及 score。还可以打开可选的思考模式。它在 Hugging Face 的 zero-a10g 硬件上运行。
适合谁:研究模型概率和现实吻合程度的研究者,以及想要一个会报告不确定性的决策步骤的开发者。
Industry | Who uses it | How they use it | Example
研究 | 机器学习研究者 | 查看决策模型给出的校准概率 | 比较一个 choice 问题的各个选项
软件 | 智能体开发者 | 测试一个会返回不确定性的决策步骤 | 对一个描述好的状态试一个是非题
分析 | 分析师 | 描述一个情境并提出不同类型的问题 | 读每个选项的概率
教育 | 学生 | 了解校准概率是什么样子 | 打开和关闭思考,比较差别
如果你只想要一个干脆的答案,可以跳过它,因为模型会给每个选项都返回一个概率。
用在哪里:
Use case | Who | What they get back
给一个 choice 的选项排序 | 研究者和分析师 | 每个选项的校准概率
回答一个是非题 | 开发者 | 是和否各自的概率
给某样东西打分 | 开发者 | 基于概率的得分
如何设置:
pip install -U huggingface_hub
hf download HAL-X-AI/thx-02 --repo-type space --local-dir thx-02
cd thx-02
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py
模型在应用进程内通过 transformers 运行,而不是通过单独的 vLLM 服务器。页面没有说明本地运行需要什么硬件。
如何使用:在线使用时,打开这个 Space,描述一个状态并添加你的问题。你可以加载 examples 文件夹里自带的示例。在自己的电脑上,运行应用文件,然后在浏览器里打开 Gradio 提供的页面。
Tool | What it does
choice | 有多个选项的问题,为每个选项给出概率
noul | 一个是非题
score | 一个打分题
python app.py | 在你的电脑上启动 Gradio 应用
示例:你用几句话描述一个简短的情境,再添加一个有三个选项的 choice 问题。应用为每个选项返回一个概率,这样你能看出模型有多确定,而不只是哪个选项领先。
新手与专家:如果你是新手,校准概率就是一个尽量和答案实际答对的频率相符的数字。先试自带的示例,再改一个细节,看数字怎么变。
如果你熟悉这个领域,这个检查点是作者把决策权重和一个 think LoRA 合并而成的,由他们自己的函数构建。思考是可选的,并且会自行门控。
你描述一个状态
你添加不同类型的问题
THX-02 运行,开启时会思考
为每个选项返回一个概率
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 |
|---|---|---|---|---|
| THX-02 本页 | 1 | gradio | apache-2.0 | |
| TabArena共有 mcp-server · gradio | 222 | gradio | apache-2.0 | |
| Recommend Similar Papers共有 mcp-server · gradio | 201 | gradio | mit | |
| 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 |
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。