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。
让你编辑一个物理场景,并用精确的牛顿模拟器运行,得到轨迹图。模型面板在接上 GPU 推理之前只是占位。适合关注 PhiLLM 项目的人。
PhiLLM Demo 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 bishoygaloaa/phillm-demo --repo-type space --local-dir phillm-demo cd phillm-demo
这个 Space 是 PhiLLM 的演示,PhiLLM 是一个把语言模型和物理结合起来的项目。目前它提供一个交互式编辑器,用来编辑叫作 WorldSpec 的物理场景描述,还有一个按精确牛顿规则运行并绘制轨迹图的模拟器。基础模型和 LoRA 模型的面板暂时只是占位。
它适合关注 PhiLLM 工作、想试用它的模拟器的人,也适合想看看物理编辑器如何在 Gradio 里搭起来的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | AI 和物理研究者 | 编辑场景并运行精确的模拟器,查看轨迹 | 检查一个场景在牛顿规则下会怎样发展 |
| 教育 | 物理学生和老师 | 修改场景,看绘出的路径怎么变 | 比较同一个场景的两种修改 |
| 软件 | 开发者 | 阅读一个混合了模拟器和图表的 Gradio 演示的 Python 代码 | 复制这个 Space,作为类似演示的基础 |
如果你想看语言模型回答物理问题,可以跳过它,因为那些面板还没有接上。
| 使用场景 | 谁用 | 能得到什么 |
|---|---|---|
| 编辑场景 | 学生和研究者 | 一份可以在编辑器里修改的 WorldSpec |
| 运行模拟器 | 任何人 | 精确牛顿运行得到的轨迹图 |
| 研究演示代码 | 开发者 | 一个带示例和图库文件夹的 Gradio 应用 |
使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。
pip install -U huggingface_hub hf download bishoygaloaa/phillm-demo --repo-type space --local-dir phillm-demo cd phillm-demo pip install gradio==5.23.2 pip install -r requirements.txt python app.py
打开 Space 页面,或者用上面最后一条命令启动你的副本。在编辑器里修改 WorldSpec,运行模拟器,查看它绘出的轨迹图。基础模型和 LoRA 模型的面板暂时什么都不做。
| 工具 | 作用 |
|---|---|
| WorldSpec 编辑器 | 让你修改物理场景 |
| 牛顿模拟器 | 用精确的规则运行场景 |
| 轨迹图 | 显示模拟器得出的路径 |
| 基础模型和 LoRA 面板 | 在接上 GPU 推理之前只是占位 |
你打开 Space 页面,修改 WorldSpec 里的某一项,然后运行模拟器。返回的是你修改后场景的一组轨迹图,来自精确的牛顿运行,而不是来自语言模型。
如果你是新手,打开页面,对已有的场景运行模拟器。改一个值再运行一次,看看图怎么变。
如果你熟悉这个领域,这个模拟器是精确的,因此可以作为基准,用来核对语言模型给出的物理答案。模型这一侧还没有接上,README 为这些面板点名了一个 2B 的 LoRA 模型。这个 Space 还列出了名字里带 qwen3.5 的 2B、4B、9B 和 27B 的 LoRA 模型、一个叫 freia 的模型,以及一个结果数据集。
模型面板暂时还不能回答,所以现在的演示就是编辑器、模拟器和图表。
让你编辑一个物理场景,并用精确的牛顿模拟器运行,得到轨迹图。模型面板在接上 GPU 推理之前只是占位。适合关注 PhiLLM 项目的人。
由 bishoygaloaa 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 PhiLLM 的演示,PhiLLM 是一个把语言模型和物理结合起来的项目。目前它提供一个交互式编辑器,用来编辑叫作 WorldSpec 的物理场景描述,还有一个按精确牛顿规则运行并绘制轨迹图的模拟器。基础模型和 LoRA 模型的面板暂时只是占位。
适合谁:它适合关注 PhiLLM 工作、想试用它的模拟器的人,也适合想看看物理编辑器如何在 Gradio 里搭起来的开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | AI 和物理研究者 | 编辑场景并运行精确的模拟器,查看轨迹 | 检查一个场景在牛顿规则下会怎样发展
教育 | 物理学生和老师 | 修改场景,看绘出的路径怎么变 | 比较同一个场景的两种修改
软件 | 开发者 | 阅读一个混合了模拟器和图表的 Gradio 演示的 Python 代码 | 复制这个 Space,作为类似演示的基础
如果你想看语言模型回答物理问题,可以跳过它,因为那些面板还没有接上。
用在哪里:
使用场景 | 谁用 | 能得到什么
编辑场景 | 学生和研究者 | 一份可以在编辑器里修改的 WorldSpec
运行模拟器 | 任何人 | 精确牛顿运行得到的轨迹图
研究演示代码 | 开发者 | 一个带示例和图库文件夹的 Gradio 应用
如何设置:使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。
pip install -U huggingface_hub
hf download bishoygaloaa/phillm-demo --repo-type space --local-dir phillm-demo
cd phillm-demo
pip install gradio==5.23.2
pip install -r requirements.txt
python app.py
如何使用:打开 Space 页面,或者用上面最后一条命令启动你的副本。在编辑器里修改 WorldSpec,运行模拟器,查看它绘出的轨迹图。基础模型和 LoRA 模型的面板暂时什么都不做。
工具 | 作用
WorldSpec 编辑器 | 让你修改物理场景
牛顿模拟器 | 用精确的规则运行场景
轨迹图 | 显示模拟器得出的路径
基础模型和 LoRA 面板 | 在接上 GPU 推理之前只是占位
示例:你打开 Space 页面,修改 WorldSpec 里的某一项,然后运行模拟器。返回的是你修改后场景的一组轨迹图,来自精确的牛顿运行,而不是来自语言模型。
新手与专家:如果你是新手,打开页面,对已有的场景运行模拟器。改一个值再运行一次,看看图怎么变。
如果你熟悉这个领域,这个模拟器是精确的,因此可以作为基准,用来核对语言模型给出的物理答案。模型这一侧还没有接上,README 为这些面板点名了一个 2B 的 LoRA 模型。这个 Space 还列出了名字里带 qwen3.5 的 2B、4B、9B 和 27B 的 LoRA 模型、一个叫 freia 的模型,以及一个结果数据集。
你编辑 WorldSpec
精确的牛顿模拟器运行它
绘出轨迹图
注意事项:模型面板暂时还不能回答,所以现在的演示就是编辑器、模拟器和图表。
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 |
|---|---|---|---|---|
| PhiLLM Demo 本页 | 1 | gradio | mit | |
| 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 |
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。
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。
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。
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。