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。
帮你在录取通知到手之后比较大学录取:标出录取你的学校,切换生活因素,查看排名、夺冠概率和职业与成本对比图。适合选择去哪所学校就读的学生。
College Attend Choice 是一款工具包,属于教育类,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 emmaz-sv/college-attend-choice --repo-type space --local-dir college-attend-choice cd college-attend-choice
College Attend Choice 是一个用于录取通知到手之后的浏览器工具。你标出哪些学校录取了你,并打开对你重要的生活因素。页面随后显示等权重排名、SMAA 夺冠概率、职业与成本的散点图,以及一对选项的精确准则 Shapley。它以 HTML 和 JavaScript 运行,没有服务器,所以你的数据留在你的设备上。
适合手里有好几个录取、想在决定之前有个结构化方式来比较的学生和家庭。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 大学决策 | 已被录取的学生 | 按对自己重要的因素比较录取 | 学生标出三个录取,打开成本和职业这两个因素。 |
| 家庭 | 家长 | 用共同的视图一起讨论取舍 | 家长和学生一起看职业与成本对比图。 |
| 升学指导 | 升学顾问 | 带学生看权重变化怎样改变排名 | 顾问切换一个因素,展示排名的变化。 |
| 决策分析 | 学习这些方法的学生 | 看 SMAA 和 Shapley 的思想怎样用在一个真实选择上 | 学习者打开页面,看夺冠概率是怎么显示的。 |
如果你需要一个推荐,或者对你将去哪里就读的保证,可以跳过它,因为这个页面只用于规划。
| Use case | Who | What they get back |
|---|---|---|
| 给录取排名 | 学生 | 录取你的学校的等权重排名 |
| 查看夺冠概率 | 学生 | 每个选项的 SMAA 夺冠概率 |
| 权衡职业与成本 | 家庭 | 把职业和成本对照起来的散点图 |
pip install -U huggingface_hub hf download emmaz-sv/college-attend-choice --repo-type space --local-dir college-attend-choice cd college-attend-choice
打开页面,标出录取的学校,切换你在意的生活维度。阅读排名和夺冠概率,再看职业与成本对比图。页面本身没有需要运行的命令。
| Tool | What it does |
|---|---|
| 录取集合 | 标出哪些学校录取了你 |
| 生活维度 | 切换进入比较的因素 |
| 等权重排名 | 在每个因素权重相同的情况下给选项排名 |
| SMAA 夺冠概率 | 显示每个选项排第一的可能性 |
| 职业与成本散点图 | 按职业价值和成本给每个选项定位 |
| 准则 Shapley | 给出一对选项的精确 Shapley 值 |
你标出录取你的学校,打开你在意的生活维度。页面返回等权重排名、每所学校的夺冠概率,以及一张把职业和成本对照起来的散点图。
如果你是新手,先用页面自带的初始表格。它用的是虚构的校园名称和混合的录取标记,所以你可以不用真实数据试遍每个控件。
如果你熟悉这个领域,页面把等权重排名和 SMAA,以及所选一对选项的精确准则 Shapley 结合起来。它是 Admit Portfolio 的配套工具,后者覆盖申请阶段。
帮你在录取通知到手之后比较大学录取:标出录取你的学校,切换生活因素,查看排名、夺冠概率和职业与成本对比图。适合选择去哪所学校就读的学生。
由 emmaz-sv 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:College Attend Choice 是一个用于录取通知到手之后的浏览器工具。你标出哪些学校录取了你,并打开对你重要的生活因素。页面随后显示等权重排名、SMAA 夺冠概率、职业与成本的散点图,以及一对选项的精确准则 Shapley。它以 HTML 和 JavaScript 运行,没有服务器,所以你的数据留在你的设备上。
适合谁:适合手里有好几个录取、想在决定之前有个结构化方式来比较的学生和家庭。
Industry | Who uses it | How they use it | Example
大学决策 | 已被录取的学生 | 按对自己重要的因素比较录取 | 学生标出三个录取,打开成本和职业这两个因素。
家庭 | 家长 | 用共同的视图一起讨论取舍 | 家长和学生一起看职业与成本对比图。
升学指导 | 升学顾问 | 带学生看权重变化怎样改变排名 | 顾问切换一个因素,展示排名的变化。
决策分析 | 学习这些方法的学生 | 看 SMAA 和 Shapley 的思想怎样用在一个真实选择上 | 学习者打开页面,看夺冠概率是怎么显示的。
如果你需要一个推荐,或者对你将去哪里就读的保证,可以跳过它,因为这个页面只用于规划。
用在哪里:
Use case | Who | What they get back
给录取排名 | 学生 | 录取你的学校的等权重排名
查看夺冠概率 | 学生 | 每个选项的 SMAA 夺冠概率
权衡职业与成本 | 家庭 | 把职业和成本对照起来的散点图
如何设置:
pip install -U huggingface_hub
hf download emmaz-sv/college-attend-choice --repo-type space --local-dir college-attend-choice
cd college-attend-choice
如何使用:打开页面,标出录取的学校,切换你在意的生活维度。阅读排名和夺冠概率,再看职业与成本对比图。页面本身没有需要运行的命令。
Tool | What it does
录取集合 | 标出哪些学校录取了你
生活维度 | 切换进入比较的因素
等权重排名 | 在每个因素权重相同的情况下给选项排名
SMAA 夺冠概率 | 显示每个选项排第一的可能性
职业与成本散点图 | 按职业价值和成本给每个选项定位
准则 Shapley | 给出一对选项的精确 Shapley 值
示例:你标出录取你的学校,打开你在意的生活维度。页面返回等权重排名、每所学校的夺冠概率,以及一张把职业和成本对照起来的散点图。
新手与专家:如果你是新手,先用页面自带的初始表格。它用的是虚构的校园名称和混合的录取标记,所以你可以不用真实数据试遍每个控件。
如果你熟悉这个领域,页面把等权重排名和 SMAA,以及所选一对选项的精确准则 Shapley 结合起来。它是 Admit Portfolio 的配套工具,后者覆盖申请阶段。
标出录取你的学校
切换生活维度
阅读排名和夺冠概率
查看职业与成本散点图
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 5 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 |
|---|---|---|---|---|
| College Attend Choice 本页 | 1 | static | mit | |
| The Ultra-Scale Playbook共有 static | 4,131 | static | apache-2.0 | |
| LLM训练终极指南 | The Ultra-Scale Playbook共有 static | 281 | static | apache-2.0 | |
| Attention Visualization共有 static | 200 | static | apache-2.0 | |
| Number Tokenization Blog共有 static | 127 | static | mit | |
| Train the agent slides共有 static | 20 | static | apache-2.0 |
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。
prathoshap · 工具包
用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。
paradigma-inc · 工具包
用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。
murai-labs · 工具包
能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。