Huashu Design
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
从你提供的事实里找出最高、最老或第一个对象,是一个小型英文研究模型,提供 FP32 Safetensors 和 Q8_0 GGUF 文件。适合研究者,仅限非商业使用。
ConeML 1.2B Experimental 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 ConeML/coneml-1.2b-experimental
ConeML 1.2B Experimental 是一个小型英文研究模型。给它一组陈述的关系,它会回答哪个对象最高、最矮、更老、更年轻或排第一。文件有 FP32 Safetensors 和 Q8_0 GGUF 两种。作者称它是实验性的,并说编程和日常聊天要弱得多。
研究小模型、基于所给事实的推理,以及措辞或事实顺序如何影响答案的研究者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| AI 研究 | 模型评估者 | 测试小模型如何从陈述的事实中选出端点 | 在乱序事实上与其他小型指令模型比较 |
| 学术 | 学生 | 研究事实顺序和措辞如何影响答案 | 用有序和乱序的事实运行同一个问题 |
| 开源工具 | 爱好者 | 试用活跃参数很少的模型 | 加载 GGUF 文件并问一个简短的关系问题 |
如果你想要聊天助手、编程帮手或任何商业用途,可以跳过它。
| Use case | Who | What they get back |
|---|---|---|
| 端点问题 | 研究者 | 从你的事实里得到最高、最低或第一个对象的名字 |
| 措辞测试 | 评估者 | 显示对措辞和事实顺序敏感程度的答案 |
| 小模型比较 | 学生 | 与其他相近大小模型的参照点 |
你需要装有 pip 的 Python 和放文件的磁盘空间。FP32 权重约 4.7 GB,所以下载全部文件前先看看仓库的文件列表。
pip install -U huggingface_hub hf download ConeML/coneml-1.2b-experimental
在提示词里以任意顺序写出事实,然后询问哪个对象处在链条的一端,比如最高的或最早的。作者用模型自己的聊天格式做过测试。
hf download ConeML/coneml-1.2b-experimental
| Tool | What it does |
|---|---|
| hf download | 把这个仓库的文件复制到你的电脑 |
你列出几条乱序的陈述,说明谁比谁高,然后问谁最高。模型会给出一个人名。在作者的测试里,深度为 5 时它答对了 512 道此类题中的 438 道。
如果你是新手,先用三四条简短的事实加一个问题,并亲手核对答案。不要指望它在代码或开放式对话上表现好。
如果你熟悉这个领域,模型卡写的是约 3.48 亿活跃参数和 11.74 亿存储参数。它在乱序端点问题上与四个小型指令模型作了比较。后来的说明指出,一条简单的集合差规则就能解出所有题目,所以分数体现的是端点选择,而不是多跳遍历。
链条越长,成功率越低。模型卡列出的结果是:深度 5 时 512 题中 438 题,深度 12 时 240 题,深度 24 时 74 题。
从你提供的事实里找出最高、最老或第一个对象,是一个小型英文研究模型,提供 FP32 Safetensors 和 Q8_0 GGUF 文件。适合研究者,仅限非商业使用。
由 ConeML 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:ConeML 1.2B Experimental 是一个小型英文研究模型。给它一组陈述的关系,它会回答哪个对象最高、最矮、更老、更年轻或排第一。文件有 FP32 Safetensors 和 Q8_0 GGUF 两种。作者称它是实验性的,并说编程和日常聊天要弱得多。
适合谁:研究小模型、基于所给事实的推理,以及措辞或事实顺序如何影响答案的研究者。
Industry | Who uses it | How they use it | Example
AI 研究 | 模型评估者 | 测试小模型如何从陈述的事实中选出端点 | 在乱序事实上与其他小型指令模型比较
学术 | 学生 | 研究事实顺序和措辞如何影响答案 | 用有序和乱序的事实运行同一个问题
开源工具 | 爱好者 | 试用活跃参数很少的模型 | 加载 GGUF 文件并问一个简短的关系问题
如果你想要聊天助手、编程帮手或任何商业用途,可以跳过它。
用在哪里:
Use case | Who | What they get back
端点问题 | 研究者 | 从你的事实里得到最高、最低或第一个对象的名字
措辞测试 | 评估者 | 显示对措辞和事实顺序敏感程度的答案
小模型比较 | 学生 | 与其他相近大小模型的参照点
如何设置:你需要装有 pip 的 Python 和放文件的磁盘空间。FP32 权重约 4.7 GB,所以下载全部文件前先看看仓库的文件列表。
pip install -U huggingface_hub
hf download ConeML/coneml-1.2b-experimental
如何使用:在提示词里以任意顺序写出事实,然后询问哪个对象处在链条的一端,比如最高的或最早的。作者用模型自己的聊天格式做过测试。
hf download ConeML/coneml-1.2b-experimental
Tool | What it does
hf download | 把这个仓库的文件复制到你的电脑
示例:你列出几条乱序的陈述,说明谁比谁高,然后问谁最高。模型会给出一个人名。在作者的测试里,深度为 5 时它答对了 512 道此类题中的 438 道。
新手与专家:如果你是新手,先用三四条简短的事实加一个问题,并亲手核对答案。不要指望它在代码或开放式对话上表现好。
如果你熟悉这个领域,模型卡写的是约 3.48 亿活跃参数和 11.74 亿存储参数。它在乱序端点问题上与四个小型指令模型作了比较。后来的说明指出,一条简单的集合差规则就能解出所有题目,所以分数体现的是端点选择,而不是多跳遍历。
以任意顺序写出事实
询问一个端点
模型给出一个对象
你自己核对答案
注意事项:链条越长,成功率越低。模型卡列出的结果是:深度 5 时 512 题中 438 题,深度 12 时 240 题,深度 24 时 74 题。
Title: 深度 5 的正确答案数,满分 512
ConeML: 438
Qwen2.5-1.5B-Instruct: 273
SmolLM2-1.7B-Instruct: 155
Llama-3.2-1B-Instruct: 136
Gemma-3-1B-IT: 138
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download ConeML/coneml-1.2b-experimental
然后按它的模型卡使用它。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 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| ConeML 1.2B Experimental 本页 | 440 | 2 | 1.2B | cc-by-nc-4.0 | |
| Diffusion-Qwen3.8-27B共有 experimental · text-generation · conversational | 2,015 | 33 | 26.9B | apache-2.0 | |
| Qwen3.6-35B-A3B Claude 4.7 Opus Reasoning Distilled共有 mixture-of-experts · text-generation · transformers | 674 | 206 | 36B | apache-2.0 | |
| Apodex-1.1-mini-GGUF共有 gguf · text-generation · conversational | 479 | 22 | 35.5B | apache-2.0 | |
| Sage-A1.5 GGUF (Q4_K_M)共有 gguf · text-generation · conversational | 636,834 | 84 | 35.5B | apache-2.0 | |
| qwen-concept-27b共有 gguf · conversational · safetensors | 62,460 | 174 | 27.3B | apache-2.0 |
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
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。
yuji-nozawa · 工具包
一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。