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。
Emclaniyi 做的 Gradio 应用,从名字看是标记医疗服务提供方可能存在的欺诈,带有探索和建模的笔记本。适合研究欺诈筛查的学习者和分析师。
Healthcare Provider Fraud Detection 医疗服务提供方欺诈检测 是一款工具包,属于财务类,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 Emclaniyi/healthcare-provider-fraud-detection --repo-type space --local-dir healthcare-provider-fraud-detection cd healthcare-provider-fraud-detection
Healthcare Provider Fraud Detection 是 Emclaniyi 做的 Gradio 应用。正如名字所说,它用来标记医疗服务提供方可能存在的欺诈。仓库里有 app.py 和一个笔记本,笔记本的名字指向数据探索和建模。README 只有标准的 Space 设置文字,所以输入和输出没有说明。
如果你是学习者或分析师,想看看欺诈筛查模型怎么放进简单的网页应用,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 医疗保险 | 理赔分析师 | 了解欺诈筛查演示是怎么运作的 | 试用应用,读它标记了什么 |
| 数据科学 | 学生 | 研究一个端到端的欺诈项目 | 对着应用代码读笔记本 |
| 研究 | 应用机器学习研究者 | 查看一个小型筛查模型 | 把笔记本和应用的行为对比 |
如果你需要有文档、经过审计的欺诈系统,可以跳过它,因为这只是个没有标明准确率的演示。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 试用筛查应用 | 学习者 | 应用对你所输入内容的欺诈评估 |
| 阅读笔记本 | 学生 | 背后的数据探索和建模步骤 |
pip install -U huggingface_hub hf download Emclaniyi/healthcare-provider-fraud-detection --repo-type space --local-dir healthcare-provider-fraud-detection cd healthcare-provider-fraud-detection pip install gradio pip install -r requirements.txt python app.py
打开这个 Space,填写页面上显示的输入项。README 没有给出步骤,所以请按页面自己的控件操作。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。
python app.py
在线打开这个 Space,在表单里填入一个服务提供方的信息。你会得到应用的欺诈评估,不过 README 没有说明评估是什么形式。
如果你是新手,在线打开这个 Space,一次只改一个输入,看结果怎么变。任何分数都只是演示的输出,不是对真实服务提供方的结论。
如果你熟悉这个领域,仓库里有 app.py 和一个探索与建模的笔记本,所以应用很可能调用在那里训练的模型。README 没有给出特征、类别比例、指标或限制,所以信任输出之前请先查看笔记本。
Emclaniyi 做的 Gradio 应用,从名字看是标记医疗服务提供方可能存在的欺诈,带有探索和建模的笔记本。适合研究欺诈筛查的学习者和分析师。
由 Emclaniyi 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:Healthcare Provider Fraud Detection 是 Emclaniyi 做的 Gradio 应用。正如名字所说,它用来标记医疗服务提供方可能存在的欺诈。仓库里有 app.py 和一个笔记本,笔记本的名字指向数据探索和建模。README 只有标准的 Space 设置文字,所以输入和输出没有说明。
适合谁:如果你是学习者或分析师,想看看欺诈筛查模型怎么放进简单的网页应用,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
医疗保险 | 理赔分析师 | 了解欺诈筛查演示是怎么运作的 | 试用应用,读它标记了什么
数据科学 | 学生 | 研究一个端到端的欺诈项目 | 对着应用代码读笔记本
研究 | 应用机器学习研究者 | 查看一个小型筛查模型 | 把笔记本和应用的行为对比
如果你需要有文档、经过审计的欺诈系统,可以跳过它,因为这只是个没有标明准确率的演示。
用在哪里:
使用场景 | 谁用 | 得到什么
试用筛查应用 | 学习者 | 应用对你所输入内容的欺诈评估
阅读笔记本 | 学生 | 背后的数据探索和建模步骤
如何设置:
pip install -U huggingface_hub
hf download Emclaniyi/healthcare-provider-fraud-detection --repo-type space --local-dir healthcare-provider-fraud-detection
cd healthcare-provider-fraud-detection
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:打开这个 Space,填写页面上显示的输入项。README 没有给出步骤,所以请按页面自己的控件操作。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。
python app.py
示例:在线打开这个 Space,在表单里填入一个服务提供方的信息。你会得到应用的欺诈评估,不过 README 没有说明评估是什么形式。
新手与专家:如果你是新手,在线打开这个 Space,一次只改一个输入,看结果怎么变。任何分数都只是演示的输出,不是对真实服务提供方的结论。
如果你熟悉这个领域,仓库里有 app.py 和一个探索与建模的笔记本,所以应用很可能调用在那里训练的模型。README 没有给出特征、类别比例、指标或限制,所以信任输出之前请先查看笔记本。
你输入服务提供方的信息
应用把它们交给模型
模型给欺诈风险打分
页面显示结果
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 4 KB
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。
NeoQuasar · 工具包
用一个 4.1M 参数、基于 45 多家交易所数据训练的基础模型来预测金融 K 线序列。适合想用小模型做价格预测实验的量化研究人员和开发者。
一个 n8n 工作流:发票逾期 7、14、30 天时,各发一条希伯来语 WhatsApp 提醒。它每天早上从 Google 表格读出未付款的发票,消息发出后给对应的行做标记。
一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹,把每个新文件交给 LlamaParse 读取,再由 OpenAI 模型取出明细行,Airtable 里得到一条发票记录和每个明细行各一条记录。