Skip to content

MathCanvas v3.0

Choose a tag to compare

View all tags
@niujin66 niujin66 released this 28 Sep 16:06
· 826 commits to main since this release
v3.0
7ff6322

带 typed tool loop 的桌面版。打包版本 3.0.0，Release 标签 v3.0。

这一版带来什么

  • 只读观察循环：模型可先调 4 个只读工具看画布，工具结果以 provider 原生 tool_call/tool_result 回到下一轮。
  • 有界的批次执行：一次响应里的多个工具调用整批判定后原子执行；任一调用不是已发布的只读工具就整批拒绝、一个都不执行。（修掉了两个 review 抓出的严重缺陷：与只读调用同批到达的合法计划曾被静默丢弃；批次曾非原子，9 个调用的批次执行了 4 个才抛错。）
  • 没有证据不许说完成：声明了验收条件的运行，报告不构成证据时到不了确认面板。
  • 工具与字段的单一真源：模型可见但宿主不会执行的工具不存在（有测试逐条核对）。
  • 运行账本记录四个版本号与已脱敏的结构化工具痕迹；npm run eval:agent 打印离线记分卡。

实测（都来自本机实跑）

项 读数
npm run typecheck exit 0
npx vitest run 257 文件 / 3010 用例通过 + 1 todo / 0 失败
npm run test:rust 242 例通过 + 3 ignored / 0 失败
npm run lint 0 error / 13 warning（基线）
离线评测 pass@1 4/8（模式 deterministic_local，不是模型准确率）

真实 provider 实跑：用项目自己的 planner，只把传输换成直连 DeepSeek（deepseek-chat，tools 能力已验证），喂一道椭圆题（中心在原点、焦点在 x 轴、过 P(2,1)、离心率 √2/2）。模型自己推出 x²/6 + y²/3 = 1，给出两个动作，2.3 秒一轮完成；传输日志 tools=5 正是模型面那 5 个工具。

如实缺口（不要当成"都好了"）

  1. 没有真实 provider 的 pass@1 / pass@3 / 成本 / 延迟基线 —— 上面那次是单题，不是比率。
  2. 圆锥曲线题目拿不到完成判定：deriveAcceptance 的形状表里没有椭圆/抛物线/双曲线。
  3. 草稿类工具刻意不对模型开放（模型看不见草稿，启用会变成盲验）。
  4. 视觉证据只到本地布局判据，render.capture 未接线。
  5. Agent Worker 入口明确禁用；几何编译跑在 geometry.worker。
  6. 两个安装包只验证了构建成功，没有在本机实际安装过。

文件校验（SHA-256）

文件 大小 SHA-256
mathcanvas-desktop.exe 16.38 MB 473b7fd661e5512dffa29aed540ed3963547a751f900c070173e22ba5398d09e
MathCanvas_3.0.0_x64-setup.exe 4.79 MB 9f3eb6ea59b51495a9e29511e26aff51ffcc505b929caeb09901cb8100e688f4
MathCanvas_3.0.0_x64_en-US.msi 6.52 MB acae93b437d0930ab98a880319ece14a3e447897f9e457057e1dcaa9aa42b99b

exe 内嵌版本（Windows 文件属性）：FileVersion 3.0.0 / ProductVersion 3.0.0 / ProductName MathCanvas。

完整的发布说明在仓库里：docs/release/v3.0.md

Assets 5
Loading