Mindket

fev-bench

新上架第 1 版 · 更新于

概览

AutoGluon 团队的预测评估基准,以 Streamlit 应用的形式放在 Docker Space 里。适合比较时间序列预测模型的人。

fev-bench 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。

速览

你需要
  • Docker
  • Python 和 pip,用来安装 Hugging Face 的 hub 包
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Docker 构建本地副本
先运行
pip install -U huggingface_hub
hf download autogluon/fev-bench --repo-type space --local-dir fev-bench
cd fev-bench

平台

Windows操作系统
macOS操作系统
Linux操作系统
Docker容器

关于

它是什么

fev-bench 是 AutoGluon 团队的预测评估基准,托管为一个 Docker Space。它指定了 autogluon/fev_datasets 数据集,仓库里有一个排行榜应用文件、一个基准文件和一个页面文件夹。README 是 Streamlit 的默认欢迎文字,所以没有提到基准本身。

适合谁

它适合在共享数据集上比较模型的预测研究者和机器学习工程师。想看看 Streamlit 排行榜是怎么搭建的开发者也适合用它。

行业谁在用怎么用例子
研究预测研究者在共同的基准上比较模型打开应用,查看模型结果
软件机器学习工程师在选定之前评估预测库阅读基准代码和数据集
教育学生了解预测评估是如何组织的浏览排行榜页面
运营分析团队了解预测质量是如何比较的查看基准用了哪些数据集

想在自己的数据上运行预测的人可以跳过它,因为这是一个评估资源。

用在哪里

这个应用可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Docker 构建本地副本
Use caseWhoWhat they get back
基准浏览研究者在 Streamlit 应用里展示的评估结果
数据集查找工程师这个 Space 指定的 fev_datasets 数据集合
代码学习开发者一个带排行榜应用、基准代码和 Dockerfile 的仓库

如何设置

在线页面不需要安装任何东西。本地副本需要下面这些。

  • Docker
  • Python 和 pip,用来安装 Hugging Face 的 hub 包
  1. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  2. 进入新文件夹,构建 Docker 镜像。
  3. 发布 8501 端口,运行容器。
pip install -U huggingface_hub
hf download autogluon/fev-bench --repo-type space --local-dir fev-bench
cd fev-bench
docker build -t fev-bench .
docker run -it -p 8501:8501 fev-bench

如何使用

打开页面并浏览。来源没有描述它的页面,所以你看到什么取决于这个应用。本地容器运行起来后,在 8501 端口打开 Streamlit 页面。

工具作用
fev-leaderboard-app.py仓库里的排行榜应用文件
benchmarks.py仓库里的基准代码
fev_pages 文件夹存放应用的页面
fev_datasets这个 Space 指定的数据集合

示例

你打开这个 Space,翻看它的页面,看这个基准是如何给预测模型排名的。来源没有列出模型或分数,所以你要从页面本身读取。

新手与专家

如果你刚接触这类工具,基准就是一套固定的任务,能让不同模型被公平地比较。打开这个 Space,先看每个页面显示什么,再去读任何代码。

如果你熟悉这个领域,仓库里有一个排行榜应用、一个基准模块、保存表格的代码、一个 src 文件夹,以及用于 uv 的项目文件。它在 Docker 里以基础 CPU 硬件运行,端口是 8501。README 没有给出指标,请查看应用和数据集说明里使用的定义。

  1. 来自 fev_datasets 的数据集
  2. 基准代码运行模型
  3. 保存表格
  4. Streamlit 页面显示结果

注意事项

README 只是模板,所以基准本身的细节没有记录在那里。具体情况请读应用和数据集页面。

  • License: Apache 2
  • Cost to run: 未提及
  • Data it reaches: 这个 Space 指定的 autogluon/fev_datasets 数据集
  • Hardware: Hugging Face 上的基础 CPU

README 和文件

README

fev-bench

AutoGluon 团队的预测评估基准,以 Streamlit 应用的形式放在 Docker Space 里。适合比较时间序列预测模型的人。

由 autogluon 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。

简介

它是什么:fev-bench 是 AutoGluon 团队的预测评估基准,托管为一个 Docker Space。它指定了 autogluon/fev_datasets 数据集,仓库里有一个排行榜应用文件、一个基准文件和一个页面文件夹。README 是 Streamlit 的默认欢迎文字,所以没有提到基准本身。

适合谁:它适合在共享数据集上比较模型的预测研究者和机器学习工程师。想看看 Streamlit 排行榜是怎么搭建的开发者也适合用它。

行业 | 谁在用 | 怎么用 | 例子
研究 | 预测研究者 | 在共同的基准上比较模型 | 打开应用,查看模型结果
软件 | 机器学习工程师 | 在选定之前评估预测库 | 阅读基准代码和数据集
教育 | 学生 | 了解预测评估是如何组织的 | 浏览排行榜页面
运营 | 分析团队 | 了解预测质量是如何比较的 | 查看基准用了哪些数据集

想在自己的数据上运行预测的人可以跳过它,因为这是一个评估资源。

用在哪里:这个应用可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Docker 构建本地副本
Use case | Who | What they get back
基准浏览 | 研究者 | 在 Streamlit 应用里展示的评估结果
数据集查找 | 工程师 | 这个 Space 指定的 fev_datasets 数据集合
代码学习 | 开发者 | 一个带排行榜应用、基准代码和 Dockerfile 的仓库

如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。

  • Docker
  • Python 和 pip,用来安装 Hugging Face 的 hub 包
  1. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  2. 进入新文件夹,构建 Docker 镜像。
  3. 发布 8501 端口,运行容器。
pip install -U huggingface_hub
hf download autogluon/fev-bench --repo-type space --local-dir fev-bench
cd fev-bench
docker build -t fev-bench .
docker run -it -p 8501:8501 fev-bench

如何使用:打开页面并浏览。来源没有描述它的页面,所以你看到什么取决于这个应用。本地容器运行起来后,在 8501 端口打开 Streamlit 页面。

工具 | 作用
fev-leaderboard-app.py | 仓库里的排行榜应用文件
benchmarks.py | 仓库里的基准代码
fev_pages 文件夹 | 存放应用的页面
fev_datasets | 这个 Space 指定的数据集合

示例:你打开这个 Space,翻看它的页面,看这个基准是如何给预测模型排名的。来源没有列出模型或分数,所以你要从页面本身读取。

新手与专家:如果你刚接触这类工具,基准就是一套固定的任务,能让不同模型被公平地比较。打开这个 Space,先看每个页面显示什么,再去读任何代码。

如果你熟悉这个领域,仓库里有一个排行榜应用、一个基准模块、保存表格的代码、一个 src 文件夹,以及用于 uv 的项目文件。它在 Docker 里以基础 CPU 硬件运行,端口是 8501。README 没有给出指标,请查看应用和数据集说明里使用的定义。

来自 fev_datasets 的数据集
基准代码运行模型
保存表格
Streamlit 页面显示结果

注意事项:README 只是模板,所以基准本身的细节没有记录在那里。具体情况请读应用和数据集页面。

  • License: Apache 2
  • Cost to run: 未提及
  • Data it reaches: 这个 Space 指定的 autogluon/fev_datasets 数据集
  • Hardware: Hugging Face 上的基础 CPU

Hugging Face 上的数据(2026年11月13日)

  • 点赞:72
  • 构建方式:docker
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/autogluon/fev-bench
  • 文件:https://huggingface.co/spaces/autogluon/fev-bench/tree/main

试用

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

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
fev-bench 本页72dockerapache-2.0
ExpertLongBench共有 streamlit · docker4dockercc-by-nc-4.0
AI Phone Leaderboard共有 streamlit127streamlitmit
Outsmart共有 streamlit62streamlitmit
HF BERTopic共有 streamlit24streamlitmit
HF SHAP共有 streamlit8streamlitmit
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

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。

新上架

EarthJev

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。

新上架

getting-over-it-rl-jax

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。

新上架