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。
一个用于 KITScenes LongTail 挑战的 Gradio 应用,关联同名数据集和两个具名模型。README 几乎是空的,所以任务和评分都没有描述。
KITScenes LongTail Challenges 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 KIT-MRT/KITScenes-LongTail-Challenge --repo-type space --local-dir KITScenes-LongTail-Challenge cd KITScenes-LongTail-Challenge
这个 Space 是一个用于 KITScenes LongTail 挑战的 Gradio 应用。它提到一个叫 KITScenes-LongTail 的数据集和两个模型,google/embeddinggemma-300m 和 q-future/one-align。README 除了标题几乎没有别的内容,所以任务、规则和评分都没有描述。
适合关注 KITScenes LongTail 数据集的研究者和学生,也适合想读一个用 Gradio 搭挑战页面的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 数据集使用者 | 打开页面,了解挑战是关于什么的 | 在使用数据集之前先看托管应用 |
| 机器学习 | 开发者 | 阅读应用如何使用它的两个具名模型 | 读 app.py 和 src 文件夹 |
| 教育 | 学生 | 学习一个带许可证文件的小型 Gradio 项目 | 运行本地副本并查看文件 |
如果你需要有文档的挑战规则,可以跳过,因为来源没有包含它们。
你可以在线打开,也可以在自己的电脑上运行一份副本。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 试用托管应用 | 任何人 | 浏览器标签页里运行的应用 |
| 运行本地副本 | 开发者 | 在自己电脑上运行同一个应用 |
| 阅读代码 | 学生 | 一个含 app.py、src 文件夹和 media 文件夹的 Gradio 项目 |
在线使用什么都不需要,它在 Hugging Face 的基础 CPU 硬件上运行。本地副本需要 Python 和 pip。
pip install -U huggingface_hub hf download KIT-MRT/KITScenes-LongTail-Challenge --repo-type space --local-dir KITScenes-LongTail-Challenge cd KITScenes-LongTail-Challenge pip install gradio==6.31.0 pip install -r requirements.txt python app.py
用一条命令启动应用,然后看终端,Gradio 应用通常会在那里打印运行页面的地址。在浏览器里打开那个地址,使用页面显示的控件。
python app.py
你可以按上面的步骤运行,然后打开页面,看看挑战提供什么。README 没有给出示例提交或结果,所以返回什么没有文档说明。
如果你是新手,先打开托管的 Space,读一读页面显示的内容。只有想看它是怎么工作的,才需要下载文件。
如果你懂这个领域,应用提到一个嵌入模型和 one-align 模型,还有 KITScenes-LongTail 数据集。README 没有说它们是怎么组合的,评分是否在 Space 上运行,也没有说提交是什么样子。
README 几乎是空的,所以挑战本身没有解释。
一个用于 KITScenes LongTail 挑战的 Gradio 应用,关联同名数据集和两个具名模型。README 几乎是空的,所以任务和评分都没有描述。
由 KIT-MRT 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:这个 Space 是一个用于 KITScenes LongTail 挑战的 Gradio 应用。它提到一个叫 KITScenes-LongTail 的数据集和两个模型,google/embeddinggemma-300m 和 q-future/one-align。README 除了标题几乎没有别的内容,所以任务、规则和评分都没有描述。
适合谁:适合关注 KITScenes LongTail 数据集的研究者和学生,也适合想读一个用 Gradio 搭挑战页面的开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | 数据集使用者 | 打开页面,了解挑战是关于什么的 | 在使用数据集之前先看托管应用
机器学习 | 开发者 | 阅读应用如何使用它的两个具名模型 | 读 app.py 和 src 文件夹
教育 | 学生 | 学习一个带许可证文件的小型 Gradio 项目 | 运行本地副本并查看文件
如果你需要有文档的挑战规则,可以跳过,因为来源没有包含它们。
用在哪里:你可以在线打开,也可以在自己的电脑上运行一份副本。
用途 | 谁用 | 得到什么
试用托管应用 | 任何人 | 浏览器标签页里运行的应用
运行本地副本 | 开发者 | 在自己电脑上运行同一个应用
阅读代码 | 学生 | 一个含 app.py、src 文件夹和 media 文件夹的 Gradio 项目
如何设置:在线使用什么都不需要,它在 Hugging Face 的基础 CPU 硬件上运行。本地副本需要 Python 和 pip。
pip install -U huggingface_hub
hf download KIT-MRT/KITScenes-LongTail-Challenge --repo-type space --local-dir KITScenes-LongTail-Challenge
cd KITScenes-LongTail-Challenge
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py
如何使用:用一条命令启动应用,然后看终端,Gradio 应用通常会在那里打印运行页面的地址。在浏览器里打开那个地址,使用页面显示的控件。
python app.py
示例:你可以按上面的步骤运行,然后打开页面,看看挑战提供什么。README 没有给出示例提交或结果,所以返回什么没有文档说明。
新手与专家:如果你是新手,先打开托管的 Space,读一读页面显示的内容。只有想看它是怎么工作的,才需要下载文件。
如果你懂这个领域,应用提到一个嵌入模型和 one-align 模型,还有 KITScenes-LongTail 数据集。README 没有说它们是怎么组合的,评分是否在 Space 上运行,也没有说提交是什么样子。
下载 Space
安装依赖
运行 app.py
打开 Gradio 页面
注意事项:README 几乎是空的,所以挑战本身没有解释。
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 |
|---|---|---|---|---|
| KITScenes LongTail Challenges 本页 | 15 | gradio | mit | |
| MTEB-BR Leaderboard共有 benchmark · leaderboard | 126 | static | apache-2.0 | |
| Outsmart共有 benchmark · leaderboard | 62 | streamlit | mit | |
| DialFork Leaderboard共有 benchmark · leaderboard | 2 | static | mit | |
| Open VLM Leaderboard共有 leaderboard · gradio | 1,034 | gradio | apache-2.0 | |
| Open VLM Video Leaderboard共有 leaderboard · gradio | 136 | gradio | 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。
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。