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。
根据 Naviance 散点图的人数,在浏览器页面里估算至少被一所大学录取的概率和 Shapley 份额,数据只留在你的设备上。适合规划申请哪些学校的学生。
College Admit Portfolio 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-admit-portfolio --repo-type space --local-dir college-admit-portfolio cd college-admit-portfolio
College Admit Portfolio 是一个静态网页,根据 Naviance 散点图的人数估算至少被一所学校录取的概率。它还会给出 Shapley 份额。你输入的是从与你的 GPA 和考试成绩对应的方框里读到的计数 k 和 n。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。
适合正在制定申请清单、想知道至少被录取一所的可能性有多大的学生和家庭。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 大学申请 | 高中生 | 检查一组学校加起来至少被录取一所的情况 | 学生从散点图里为每所学校输入人数。 |
| 升学指导 | 升学顾问 | 向家庭展示清单怎样改变总体概率 | 顾问测试一份清单,分别带和不带某一所学校。 |
| 家庭 | 家长 | 和学生一起规划申请清单 | 家长比较两份可能的清单。 |
| 数据爱好者 | 统计学学生 | 看一个由人数算出来的并集概率 | 学习者打开 index.html,阅读估算是怎样得出的。 |
如果你想根据完整的个人情况预测某一所学校,可以跳过它,因为它只依据散点图的人数。
| Use case | Who | What they get back |
|---|---|---|
| 估算至少被录取一所 | 学生 | 至少有一份申请被录取的概率 |
| 查看每所学校的份额 | 升学顾问 | 根据人数算出的 Shapley 份额 |
| 保持隐私 | 家庭 | 一个把数据留在自己设备上的页面 |
pip install -U huggingface_hub hf download emmaz-sv/college-admit-portfolio --repo-type space --local-dir college-admit-portfolio cd college-admit-portfolio
打开页面,输入每所学校的散点图人数,也就是你的 GPA 和考试方框里显示的 k 和 n。页面随后显示估算值和 Shapley 份额。页面本身没有需要运行的命令。
| Tool | What it does |
|---|---|
| k 和 n 的人数 | 你从 Naviance 散点图方框里读到的数字 |
| P(至少一所被录取) | 你至少被某一所学校录取的估算概率 |
| Shapley 份额 | 页面根据你的人数算出的博弈论指标 |
你从散点图里为每所学校读出 GPA 和考试方框里的 k 和 n,然后输入。页面返回至少被录取一所的概率和 Shapley 份额。
如果你是新手,k 是你所在方框里被录取的学生人数,n 是申请的人数。先为一所学校输入这两个数字。
如果你熟悉这个领域,页面根据散点图人数计算各学校之间的并集概率。它还报告 Shapley 份额,页面除了名字没有进一步解释。README 列出了四种发布到 Hugging Face 的方式,其中有 GitHub Actions 和两个 fish 脚本。
根据 Naviance 散点图的人数,在浏览器页面里估算至少被一所大学录取的概率和 Shapley 份额,数据只留在你的设备上。适合规划申请哪些学校的学生。
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 Admit Portfolio 是一个静态网页,根据 Naviance 散点图的人数估算至少被一所学校录取的概率。它还会给出 Shapley 份额。你输入的是从与你的 GPA 和考试成绩对应的方框里读到的计数 k 和 n。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:适合正在制定申请清单、想知道至少被录取一所的可能性有多大的学生和家庭。
Industry | Who uses it | How they use it | Example
大学申请 | 高中生 | 检查一组学校加起来至少被录取一所的情况 | 学生从散点图里为每所学校输入人数。
升学指导 | 升学顾问 | 向家庭展示清单怎样改变总体概率 | 顾问测试一份清单,分别带和不带某一所学校。
家庭 | 家长 | 和学生一起规划申请清单 | 家长比较两份可能的清单。
数据爱好者 | 统计学学生 | 看一个由人数算出来的并集概率 | 学习者打开 index.html,阅读估算是怎样得出的。
如果你想根据完整的个人情况预测某一所学校,可以跳过它,因为它只依据散点图的人数。
用在哪里:
Use case | Who | What they get back
估算至少被录取一所 | 学生 | 至少有一份申请被录取的概率
查看每所学校的份额 | 升学顾问 | 根据人数算出的 Shapley 份额
保持隐私 | 家庭 | 一个把数据留在自己设备上的页面
如何设置:
pip install -U huggingface_hub
hf download emmaz-sv/college-admit-portfolio --repo-type space --local-dir college-admit-portfolio
cd college-admit-portfolio
如何使用:打开页面,输入每所学校的散点图人数,也就是你的 GPA 和考试方框里显示的 k 和 n。页面随后显示估算值和 Shapley 份额。页面本身没有需要运行的命令。
Tool | What it does
k 和 n 的人数 | 你从 Naviance 散点图方框里读到的数字
P(至少一所被录取) | 你至少被某一所学校录取的估算概率
Shapley 份额 | 页面根据你的人数算出的博弈论指标
示例:你从散点图里为每所学校读出 GPA 和考试方框里的 k 和 n,然后输入。页面返回至少被录取一所的概率和 Shapley 份额。
新手与专家:如果你是新手,k 是你所在方框里被录取的学生人数,n 是申请的人数。先为一所学校输入这两个数字。
如果你熟悉这个领域,页面根据散点图人数计算各学校之间的并集概率。它还报告 Shapley 份额,页面除了名字没有进一步解释。README 列出了四种发布到 Hugging Face 的方式,其中有 GitHub Actions 和两个 fish 脚本。
从散点图读出 k 和 n
输入每所学校的人数
页面计算并集概率
同时显示 Shapley 份额
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 |
|---|---|---|---|---|
| College Admit Portfolio 本页 | 2 | 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。