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。
在共用的公开测试集上给量子纠错解码器排名,并把已发表的结果列在旁边。这是一个开放、中立的基准页,适合量子计算研究者和解码器开发者。
FINAL-Bench Quantum Leaderboard 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 FINAL-Bench/quantum-bench-leaderboard --repo-type space --local-dir quantum-bench-leaderboard cd quantum-bench-leaderboard
这是 FINAL-Bench Quantum 的排行榜,FINAL-Bench Quantum 是一个开放、中立的量子计算方法基准。它的第一个项目是给旋转表面码上的纠错解码器排名,用 Stim 在电路级噪声下模拟。页面明确说明它不做任何量子优势的声明。它在 Hugging Face 的基础 CPU 档位上运行。
研究量子纠错的研究者,想要公平测试的解码器开发者,以及想看这类基准是怎么搭起来的学生。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 研究 | 量子纠错研究者 | 在同一个共用测试集上比较解码器 | 阅读 Track A 里已验证的结果 |
| 软件 | 解码器开发者 | 通过 Submit 标签把自己的解码器送去评审 | 提交一个解码器并等待复现 |
| 硬件 | 量子硬件团队 | 把已发表的参考结果和已验证的结果放在一起看 | 阅读 Track B 的条目及其注意事项 |
| 教育 | 学生 | 了解解码器基准是怎么报告结果的 | 阅读仓库里的文章文件 |
如果你想要量子优势的证明,可以跳过它,因为这个基准说明它不做这类声明。
| Use case | Who | What they get back |
|---|---|---|
| 比较解码器 | 研究者 | 来自同一个冻结公开测试集的排行榜 |
| 阅读已发表的结果 | 硬件团队 | 来自世界各地团队的报告数字,标明不可直接比较 |
| 提交一个解码器 | 开发者 | 一次人工评审,复现之后进入 Track A |
pip install -U huggingface_hub hf download FINAL-Bench/quantum-bench-leaderboard --repo-type space --local-dir quantum-bench-leaderboard cd quantum-bench-leaderboard pip install gradio==4.44.1 pip install -r requirements.txt python app.py
这个仓库有 19 个文件,包括英文和韩文的文章,以及关于距离、延迟和阈值的图表。页面没有说明本地运行除了这些包还需要什么。
打开页面,读这两个赛道。想提交解码器,用 Submit 标签。条目会由人工评审,在冻结测试集上复现结果之后,这个解码器就会进入 Track A。
| Tool | What it does |
|---|---|
| Track A | 在一个冻结的公开测试集上正面比较解码器,标记为已验证 |
| Track B | 来自世界各地团队的已发表参考,标记为已报告,不可直接比较 |
| Submit tab | 把解码器送去人工评审 |
你打开 Track A,看解码器在共用测试集上的排名。然后你去 Track B 看其他团队发表的数字,同时记住它们的设置和 Track A 的协议不一样。
如果你是新手,解码器会读取量子存储器的错误信号,并决定要做哪些纠正。先读 Track A,因为那里的每个条目都是用同样的方式测的。
如果你熟悉这个领域,这个基准用的是在 Stim 里带电路级噪声的旋转表面码,所有已验证的方法都在相同的公开协议下运行。Track B 的条目来自设置各不相同的论文,所以不要把它们和 Track A 排在一起比。
在共用的公开测试集上给量子纠错解码器排名,并把已发表的结果列在旁边。这是一个开放、中立的基准页,适合量子计算研究者和解码器开发者。
由 FINAL-Bench 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:这是 FINAL-Bench Quantum 的排行榜,FINAL-Bench Quantum 是一个开放、中立的量子计算方法基准。它的第一个项目是给旋转表面码上的纠错解码器排名,用 Stim 在电路级噪声下模拟。页面明确说明它不做任何量子优势的声明。它在 Hugging Face 的基础 CPU 档位上运行。
适合谁:研究量子纠错的研究者,想要公平测试的解码器开发者,以及想看这类基准是怎么搭起来的学生。
Industry | Who uses it | How they use it | Example
研究 | 量子纠错研究者 | 在同一个共用测试集上比较解码器 | 阅读 Track A 里已验证的结果
软件 | 解码器开发者 | 通过 Submit 标签把自己的解码器送去评审 | 提交一个解码器并等待复现
硬件 | 量子硬件团队 | 把已发表的参考结果和已验证的结果放在一起看 | 阅读 Track B 的条目及其注意事项
教育 | 学生 | 了解解码器基准是怎么报告结果的 | 阅读仓库里的文章文件
如果你想要量子优势的证明,可以跳过它,因为这个基准说明它不做这类声明。
用在哪里:
Use case | Who | What they get back
比较解码器 | 研究者 | 来自同一个冻结公开测试集的排行榜
阅读已发表的结果 | 硬件团队 | 来自世界各地团队的报告数字,标明不可直接比较
提交一个解码器 | 开发者 | 一次人工评审,复现之后进入 Track A
如何设置:
pip install -U huggingface_hub
hf download FINAL-Bench/quantum-bench-leaderboard --repo-type space --local-dir quantum-bench-leaderboard
cd quantum-bench-leaderboard
pip install gradio==4.44.1
pip install -r requirements.txt
python app.py
这个仓库有 19 个文件,包括英文和韩文的文章,以及关于距离、延迟和阈值的图表。页面没有说明本地运行除了这些包还需要什么。
如何使用:打开页面,读这两个赛道。想提交解码器,用 Submit 标签。条目会由人工评审,在冻结测试集上复现结果之后,这个解码器就会进入 Track A。
Tool | What it does
Track A | 在一个冻结的公开测试集上正面比较解码器,标记为已验证
Track B | 来自世界各地团队的已发表参考,标记为已报告,不可直接比较
Submit tab | 把解码器送去人工评审
示例:你打开 Track A,看解码器在共用测试集上的排名。然后你去 Track B 看其他团队发表的数字,同时记住它们的设置和 Track A 的协议不一样。
新手与专家:如果你是新手,解码器会读取量子存储器的错误信号,并决定要做哪些纠正。先读 Track A,因为那里的每个条目都是用同样的方式测的。
如果你熟悉这个领域,这个基准用的是在 Stim 里带电路级噪声的旋转表面码,所有已验证的方法都在相同的公开协议下运行。Track B 的条目来自设置各不相同的论文,所以不要把它们和 Track A 排在一起比。
提交一个解码器
人工评审
在冻结测试集上复现
作为已验证条目进入 Track A
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 |
|---|---|---|---|---|
| FINAL-Bench Quantum Leaderboard 本页 | 47 | gradio | apache-2.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
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。