import gradio as gr import pandas as pd import numpy as np from datetime import datetime, timedelta import random import json import os # 全局变量存储置顶行 pinned_rows_global = set() # 从JSON文件读取医疗大语言模型排行榜数据 def generate_llm_data(): """从metadata/medical_data.json读取医疗大语言模型排行榜数据""" try: # 读取JSON文件 json_path = "metadata/medical_data.json" with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) # 转换为DataFrame df = pd.DataFrame(data) # 处理null值，将其替换为"-" df = df.fillna("-") # 保持使用链接的原始URL格式，稍后在界面中处理 # 与多模态页面保持一致，不在数据预处理阶段转换HTML # 根据平均分排序（处理null值的情况） # 先将平均分为null的行移到最后 df_with_score = df[df['平均分'] != "-"].copy() df_without_score = df[df['平均分'] == "-"].copy() # 对有平均分的数据按平均分降序排序 if not df_with_score.empty: df_with_score = df_with_score.sort_values('平均分', ascending=False) # 合并数据 df_sorted = pd.concat([df_with_score, df_without_score], ignore_index=True) # 添加排名 df_sorted['排名'] = range(1, len(df_sorted) + 1) # 重新排列列的顺序：排名、模型名称、平均分、其他字段 # 获取所有列名 all_columns = list(df_sorted.columns) # 定义新的列顺序：排名、模型名称、平均分 new_columns = ['排名', '模型名称', '平均分'] # 添加其他列（除了已经包含的列） other_columns = [col for col in all_columns if col not in new_columns] new_columns.extend(other_columns) # 重新排列列 df_sorted = df_sorted[new_columns] return df_sorted except FileNotFoundError: print(f"警告: 找不到文件 {json_path}，使用默认数据") # 如果文件不存在，返回空的DataFrame return pd.DataFrame() # 从JSON文件读取医疗多模态大模型排行榜数据 def generate_multimodal_data(): """从metadata/medical_mm_data.json读取医疗多模态大模型排行榜数据""" try: # 读取JSON文件 json_path = "metadata/medical_mm_data.json" with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) # 转换为DataFrame df = pd.DataFrame(data) # 处理null值，将其替换为"-" df = df.fillna("-") # 过滤掉类型为"研究"的数据 df = df[df['类型'] != '研究'] # 保持使用链接的原始URL格式，稍后在界面中处理 # Gradio Dataframe不支持HTML，我们需要在界面层面处理链接显示 # 根据平均分排序（处理null值的情况） # 先将平均分为null的行移到最后 df_with_score = df[df['平均分'] != "-"].copy() df_without_score = df[df['平均分'] == "-"].copy() # 对有平均分的数据按平均分降序排序 if not df_with_score.empty: df_with_score = df_with_score.sort_values('平均分', ascending=False) # 合并数据 df_sorted = pd.concat([df_with_score, df_without_score], ignore_index=True) # 添加排名 df_sorted['排名'] = range(1, len(df_sorted) + 1) # 重新排列列的顺序：排名、模型名称、平均分、其他字段（删除徽章列） # 获取所有列名 all_columns = list(df_sorted.columns) # 定义新的列顺序：排名、模型名称、平均分 new_columns = ['排名', '模型名称', '平均分'] # 添加其他列（除了已经包含的列） other_columns = [col for col in all_columns if col not in new_columns] new_columns.extend(other_columns) # 重新排列列 df_sorted = df_sorted[new_columns] return df_sorted except FileNotFoundError: print(f"警告: 找不到文件 {json_path}，使用默认数据") # 如果文件不存在，返回空的DataFrame return pd.DataFrame() def get_llm_leaderboard(): """获取医疗大语言模型排行榜数据""" return generate_llm_data() def generate_llm_html_table(df=None, sort_column=None, sort_order="desc", pinned_rows=None): """生成医疗大语言模型排行榜的HTML表格""" if df is None: df = get_llm_leaderboard() if df.empty: return "

暂无数据

" if pinned_rows is None: pinned_rows = set() # 如果指定了排序列，则进行排序 if sort_column and sort_column in df.columns: # 特殊处理排名列：按平均分排序而不是按排名数值排序 if sort_column == '排名': # 按平均分排序来实现排名排序 df_for_sort = df.copy() df_for_sort['平均分_numeric'] = pd.to_numeric(df_for_sort['平均分'], errors='coerce') # 降序表示按平均分从高到低（排名1,2,3...），升序表示按平均分从低到高（排名倒序） if sort_order == "desc": # 降序：按平均分从高到低，对应排名1,2,3... sorted_indices = df_for_sort.sort_values('平均分_numeric', ascending=False, na_position='last').index else: # 升序：按平均分从低到高，对应排名倒序 sorted_indices = df_for_sort.sort_values('平均分_numeric', ascending=True, na_position='last').index df = df.loc[sorted_indices].reset_index(drop=True) # 处理其他数值列的排序 elif sort_column in ['平均分', 'MMMU-Med', 'VQA-RAD', 'SLAKE', 'PathVQA', 'PMC-VQA', 'OMVQA', 'MedXQA']: # 保存原始数据 original_data = df.copy() # 创建用于排序的数值列 df_for_sort = df.copy() df_for_sort[sort_column + '_numeric'] = pd.to_numeric(df_for_sort[sort_column], errors='coerce') # 按数值列排序 if sort_order == "asc": sorted_indices = df_for_sort.sort_values(sort_column + '_numeric', ascending=True, na_position='last').index else: sorted_indices = df_for_sort.sort_values(sort_column + '_numeric', ascending=False, na_position='last').index # 使用排序后的索引重新排列原始数据 df = original_data.loc[sorted_indices].reset_index(drop=True) else: # 文本列排序 ascending = sort_order == "asc" df = df.sort_values(sort_column, ascending=ascending, na_position='last').reset_index(drop=True) # 处理置顶行 - 基于排名号而不是索引 if pinned_rows: # 将用户输入的排名号转换为对应的行 pinned_df = df[df['排名'].isin(pinned_rows)].copy() unpinned_df = df[~df['排名'].isin(pinned_rows)].copy() # 置顶行按排名从小到大排序（保持排名顺序） if not pinned_df.empty: pinned_df = pinned_df.sort_values('排名', ascending=True) # 未置顶行保持当前的排序（不强制按排名排序） # 这样可以保持用户选择的排序方式 # 合并数据：置顶行在前，其他行在后 if not pinned_df.empty: display_df = pd.concat([pinned_df, unpinned_df], ignore_index=True) else: display_df = unpinned_df else: # 没有置顶时，保持当前排序（不强制按排名排序） display_df = df.reset_index(drop=True) # 添加行ID用于显示 display_df['row_id'] = display_df.index # 生成HTML表格 html = """
""" # 添加表头（钉子列 + 其他列） html += '' for col in display_df.columns: if col == 'row_id': # 跳过内部使用的row_id列 continue html += f''' ''' html += """ """ # 添加数据行 for idx, row in display_df.iterrows(): row_rank = row['排名'] # 使用排名号而不是row_id is_pinned = row_rank in pinned_rows if pinned_rows else False # 为前三名添加特殊样式，置顶行添加置顶样式 row_style = "" if is_pinned: row_style = "background-color: #e3f2fd; border-left: 4px solid #2196f3;" elif row['排名'] <= 3: row_style = "background-color: #fff3cd;" elif idx % 2 == 0: row_style = "background-color: #f8f9fa;" html += f'' # 添加钉子状态显示列 pin_icon = "📌" if is_pinned else "📍" html += f''' ''' for col in display_df.columns: if col == 'row_id': # 跳过内部使用的row_id列 continue cell_value = row[col] cell_style = "padding: 10px 8px; border: 1px solid #dee2e6; text-align: left;" # 特殊处理使用链接列 if col == "使用链接" and cell_value != "-" and pd.notna(cell_value): cell_content = f'尝试使用' # 特殊处理平均分列 elif col == "平均分" and cell_value != "-": cell_style += " font-weight: bold; color: #28a745;" cell_content = str(cell_value) else: cell_content = str(cell_value) if pd.notna(cell_value) else "-" html += f'' html += '' html += """
📌 {col}
{pin_icon} {cell_content}
""" return html def get_multimodal_leaderboard(): """获取医疗多模态大模型排行榜数据""" return generate_multimodal_data() def filter_llm_leaderboard(type_filter, min_score): """根据条件筛选医疗大语言模型排行榜""" df = get_llm_leaderboard() if df.empty: return df # 筛选类型 if type_filter != "全部": df = df[df["类型"] == type_filter] # 筛选分数（只对有平均分的数据进行筛选） if min_score > 0: # 过滤掉平均分为"-"的行，然后筛选分数 df_with_score = df[df["平均分"] != "-"].copy() if not df_with_score.empty: df_with_score = df_with_score[df_with_score["平均分"] >= min_score] # 如果用户设置了最低分数，则不显示没有平均分的模型 df = df_with_score # 筛选后保持原始排名顺序（基于平均分的排名） if not df.empty: # 按原始排名排序，保持基于平均分的排名顺序 df = df.sort_values("排名", ascending=True).reset_index(drop=True) return df def filter_multimodal_leaderboard(type_filter, min_score): """根据条件筛选医疗多模态大模型排行榜""" df = get_multimodal_leaderboard() if df.empty: return df # 筛选类型 if type_filter != "全部": df = df[df["类型"] == type_filter] # 筛选分数（只对有平均分的数据进行筛选） if min_score > 0: # 过滤掉平均分为"-"的行，然后筛选分数 df_with_score = df[df["平均分"] != "-"].copy() if not df_with_score.empty: df_with_score = df_with_score[df_with_score["平均分"] >= min_score] # 如果用户设置了最低分数，则不显示没有平均分的模型 df = df_with_score # 筛选后保持原始排名顺序（基于平均分的排名） if not df.empty: # 按原始排名排序，保持基于平均分的排名顺序 df = df.sort_values("排名", ascending=True).reset_index(drop=True) return df def generate_multimodal_html_table(df=None, sort_column=None, sort_order="desc", pinned_rows=None): """生成医疗多模态大模型排行榜的HTML表格""" if df is None: df = get_multimodal_leaderboard() if df.empty: return "

暂无数据

" if pinned_rows is None: pinned_rows = set() # 如果指定了排序列，则进行排序 if sort_column and sort_column in df.columns: # 特殊处理排名列：按平均分排序而不是按排名数值排序 if sort_column == '排名': # 按平均分排序来实现排名排序 df_for_sort = df.copy() df_for_sort['平均分_numeric'] = pd.to_numeric(df_for_sort['平均分'], errors='coerce') # 降序表示按平均分从高到低（排名1,2,3...），升序表示按平均分从低到高（排名倒序） if sort_order == "desc": # 降序：按平均分从高到低，对应排名1,2,3... sorted_indices = df_for_sort.sort_values('平均分_numeric', ascending=False, na_position='last').index else: # 升序：按平均分从低到高，对应排名倒序 sorted_indices = df_for_sort.sort_values('平均分_numeric', ascending=True, na_position='last').index df = df.loc[sorted_indices].reset_index(drop=True) # 处理其他数值列的排序 elif sort_column in ['平均分', 'MMMU-Med', 'VQA-RAD', 'SLAKE', 'PathVQA', 'PMC-VQA', 'OMVQA', 'MedXQA']: # 保存原始数据 original_data = df.copy() # 创建用于排序的数值列 df_for_sort = df.copy() df_for_sort[sort_column + '_numeric'] = pd.to_numeric(df_for_sort[sort_column], errors='coerce') # 按数值列排序 if sort_order == "asc": sorted_indices = df_for_sort.sort_values(sort_column + '_numeric', ascending=True, na_position='last').index else: sorted_indices = df_for_sort.sort_values(sort_column + '_numeric', ascending=False, na_position='last').index # 使用排序后的索引重新排列原始数据 df = original_data.loc[sorted_indices].reset_index(drop=True) else: # 文本列排序 ascending = sort_order == "asc" df = df.sort_values(sort_column, ascending=ascending, na_position='last').reset_index(drop=True) # 处理置顶行 - 基于排名号而不是索引 if pinned_rows: # 将用户输入的排名号转换为对应的行 pinned_df = df[df['排名'].isin(pinned_rows)].copy() unpinned_df = df[~df['排名'].isin(pinned_rows)].copy() # 置顶行按排名从小到大排序（保持排名顺序） if not pinned_df.empty: pinned_df = pinned_df.sort_values('排名', ascending=True) # 未置顶行保持当前的排序（不强制按排名排序） # 这样可以保持用户选择的排序方式 # 合并数据：置顶行在前，其他行在后 if not pinned_df.empty: display_df = pd.concat([pinned_df, unpinned_df], ignore_index=True) else: display_df = unpinned_df else: # 没有置顶时，保持当前排序（不强制按排名排序） display_df = df.reset_index(drop=True) # 添加行ID用于显示 display_df['row_id'] = display_df.index # 生成HTML表格 html = """
""" # 添加表头（钉子列 + 其他列） html += '' for col in display_df.columns: if col == 'row_id': # 跳过内部使用的row_id列 continue html += f''' ''' html += """ """ # 添加数据行 for idx, row in display_df.iterrows(): row_rank = row['排名'] # 使用排名号而不是row_id is_pinned = row_rank in pinned_rows if pinned_rows else False # 为前三名添加特殊样式，置顶行添加置顶样式 row_style = "" if is_pinned: row_style = "background-color: #e3f2fd; border-left: 4px solid #2196f3;" elif row['排名'] <= 3: row_style = "background-color: #fff3cd;" elif idx % 2 == 0: row_style = "background-color: #f8f9fa;" html += f'' # 添加钉子状态显示列 pin_icon = "📌" if is_pinned else "📍" html += f''' ''' for col in display_df.columns: if col == 'row_id': # 跳过内部使用的row_id列 continue cell_value = row[col] cell_style = "padding: 10px 8px; border: 1px solid #dee2e6; text-align: left;" # 特殊处理使用链接列 if col == "使用链接" and cell_value != "-" and pd.notna(cell_value): cell_content = f'尝试使用' # 特殊处理平均分列 elif col == "平均分" and cell_value != "-": cell_style += " font-weight: bold; color: #28a745;" cell_content = str(cell_value) else: cell_content = str(cell_value) if pd.notna(cell_value) else "-" html += f'' html += '' html += """
📌 {col}
{pin_icon} {cell_content}
""" return html # 创建Gradio界面 with gr.Blocks(title="医疗大模型排行榜", theme=gr.themes.Soft(), css=""" .responsive-table { width: 100%; overflow-x: auto; } .responsive-table table { width: 100%; min-width: 800px; } /* 确保表格内容不会被截断 */ .responsive-table td { white-space: nowrap; overflow: hidden; text-overflow: ellipsis; } /* 平均分列样式 */ .responsive-table td:nth-child(3) { font-weight: bold; } """) as demo: gr.Markdown("# 🤖 医疗大模型排行榜") gr.Markdown("欢迎来到 RS Medical LLM Leaderboard 排行榜！这里展示了医疗领域大语言模型和医疗多模态模型的性能排名。我们是一个中立的评估机构，旨在将模型性能公平的进行比较。我们将在未来推出医版 Arena 平台。") with gr.Tabs(): # 医疗大语言模型排行榜标签页 with gr.TabItem("💬 医疗大语言模型排行榜"): # 筛选选项放在上方 with gr.Row(): llm_type_filter = gr.Dropdown( choices=["全部", "开源", "商业"], value="全部", label="模型类型", scale=1 ) llm_min_score = gr.Slider( minimum=0, maximum=80, value=0, step=5, label="最低平均分", scale=2 ) llm_refresh_btn = gr.Button("🔄 刷新数据", variant="primary", scale=1) # 排序选项 with gr.Row(): llm_sort_column = gr.Dropdown( choices=["排名", "模型名称", "平均分", "MMMU-Med", "VQA-RAD", "SLAKE", "PathVQA", "PMC-VQA", "OMVQA", "MedXQA", "最后更新", "类型"], value="排名", label="排序列", scale=2 ) llm_sort_order = gr.Radio( choices=[("升序 ↑", "asc"), ("降序 ↓", "desc")], value="desc", label="排序方式", scale=1 ) with gr.Column(scale=1): llm_default_sort_btn = gr.Button("↩️ 默认排序", variant="primary", scale=1) # 置顶控制 with gr.Row(): llm_pin_input = gr.Textbox( label="置顶行号（用逗号分隔多个行号，如：1,3,5）", placeholder="输入要置顶的行号", scale=2 ) with gr.Column(scale=1): llm_pin_btn = gr.Button("📌 应用置顶", variant="primary", scale=1) llm_clear_pin_btn = gr.Button("🗑️ 清除置顶", variant="primary", scale=1) # 置顶状态（隐藏） llm_pinned_state = gr.State(value=set()) # 使用HTML组件显示带链接的表格 llm_leaderboard_html = gr.HTML( value=generate_llm_html_table(pinned_rows=set()), label="医疗大语言模型排行榜" ) # 医疗多模态大模型排行榜标签页 with gr.TabItem("👁️ 医疗多模态大模型排行榜"): # 筛选选项放在上方 with gr.Row(): multimodal_type_filter = gr.Dropdown( choices=["全部", "开源", "商业"], value="全部", label="模型类型", scale=1 ) multimodal_min_score = gr.Slider( minimum=0, maximum=80, value=0, step=5, label="最低平均分", scale=2 ) multimodal_refresh_btn = gr.Button("🔄 刷新数据", variant="primary", scale=1) # 排序选项 with gr.Row(): sort_column = gr.Dropdown( choices=["排名", "模型名称", "平均分", "MMMU-Med", "VQA-RAD", "SLAKE", "PathVQA", "PMC-VQA", "OMVQA", "MedXQA", "最后更新", "类型"], value="排名", label="排序列", scale=2 ) sort_order = gr.Radio( choices=[("升序 ↑", "asc"), ("降序 ↓", "desc")], value="desc", label="排序方式", scale=1 ) with gr.Column(scale=1): # sort_btn = gr.Button("🔄 应用排序", variant="secondary", scale=1) default_sort_btn = gr.Button("↩️ 默认排序", variant="primary", scale=1) # 置顶控制 with gr.Row(): pin_input = gr.Textbox( label="置顶行号（用逗号分隔多个行号，如：1,3,5）", placeholder="输入要置顶的行号", scale=2 ) with gr.Column(scale=1): pin_btn = gr.Button("📌 应用置顶", variant="primary", scale=1) clear_pin_btn = gr.Button("🗑️ 清除置顶", variant="primary", scale=1) # 置顶状态（隐藏） pinned_state = gr.State(value=set()) # 使用HTML组件显示带链接的表格 multimodal_leaderboard_html = gr.HTML( value=generate_multimodal_html_table(pinned_rows=set()), label="医疗多模态大模型排行榜" ) # 事件处理函数 def update_llm_leaderboard_html(type_filter, min_score, sort_col=None, sort_ord="desc", pinned_rows=None): if pinned_rows is None: pinned_rows = set() filtered_df = filter_llm_leaderboard(type_filter, min_score) return generate_llm_html_table(filtered_df, sort_col, sort_ord, pinned_rows) def sort_llm_table(type_filter, min_score, sort_col, sort_ord, pinned_rows): filtered_df = filter_llm_leaderboard(type_filter, min_score) return generate_llm_html_table(filtered_df, sort_col, sort_ord, pinned_rows) def default_sort_llm_table(type_filter, min_score, pinned_rows): """恢复默认排序（按平均分排名）""" filtered_df = filter_llm_leaderboard(type_filter, min_score) html_table = generate_llm_html_table(filtered_df, None, "desc", pinned_rows) # 返回表格和重置后的排序选项 return html_table, "排名", "desc" def apply_llm_pin(pin_input_text, type_filter, min_score, sort_col, sort_ord, current_pinned): """应用置顶设置""" try: if pin_input_text.strip(): # 解析输入的排名号（用户输入的是1,2,3...） pin_numbers = [int(x.strip()) for x in pin_input_text.split(',') if x.strip()] # 直接使用排名号，不需要转换 new_pinned = set(n for n in pin_numbers if n > 0) else: new_pinned = set() filtered_df = filter_llm_leaderboard(type_filter, min_score) html_table = generate_llm_html_table(filtered_df, sort_col, sort_ord, new_pinned) return html_table, new_pinned except ValueError: # 如果输入格式错误，保持当前状态 filtered_df = filter_llm_leaderboard(type_filter, min_score) html_table = generate_llm_html_table(filtered_df, sort_col, sort_ord, current_pinned) return html_table, current_pinned def clear_llm_pin(type_filter, min_score, sort_col, sort_ord): """清除所有置顶""" filtered_df = filter_llm_leaderboard(type_filter, min_score) html_table = generate_llm_html_table(filtered_df, sort_col, sort_ord, set()) return html_table, set(), "" def update_multimodal_leaderboard_html(type_filter, min_score, sort_col=None, sort_ord="desc", pinned_rows=None): if pinned_rows is None: pinned_rows = set() filtered_df = filter_multimodal_leaderboard(type_filter, min_score) return generate_multimodal_html_table(filtered_df, sort_col, sort_ord, pinned_rows) def sort_multimodal_table(type_filter, min_score, sort_col, sort_ord, pinned_rows): filtered_df = filter_multimodal_leaderboard(type_filter, min_score) return generate_multimodal_html_table(filtered_df, sort_col, sort_ord, pinned_rows) def default_sort_multimodal_table(type_filter, min_score, pinned_rows): """恢复默认排序（按平均分排名）""" filtered_df = filter_multimodal_leaderboard(type_filter, min_score) html_table = generate_multimodal_html_table(filtered_df, None, "desc", pinned_rows) # 返回表格和重置后的排序选项 return html_table, "排名", "desc" def apply_pin(pin_input_text, type_filter, min_score, sort_col, sort_ord, current_pinned): """应用置顶设置""" try: if pin_input_text.strip(): # 解析输入的排名号（用户输入的是1,2,3...） pin_numbers = [int(x.strip()) for x in pin_input_text.split(',') if x.strip()] # 直接使用排名号，不需要转换 new_pinned = set(n for n in pin_numbers if n > 0) else: new_pinned = set() filtered_df = filter_multimodal_leaderboard(type_filter, min_score) html_table = generate_multimodal_html_table(filtered_df, sort_col, sort_ord, new_pinned) return html_table, new_pinned except ValueError: # 如果输入格式错误，保持当前状态 filtered_df = filter_multimodal_leaderboard(type_filter, min_score) html_table = generate_multimodal_html_table(filtered_df, sort_col, sort_ord, current_pinned) return html_table, current_pinned def clear_pin(type_filter, min_score, sort_col, sort_ord): """清除所有置顶""" filtered_df = filter_multimodal_leaderboard(type_filter, min_score) html_table = generate_multimodal_html_table(filtered_df, sort_col, sort_ord, set()) return html_table, set(), "" # 绑定事件 - 医疗大语言模型 llm_type_filter.change( fn=sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=llm_leaderboard_html ) llm_min_score.change( fn=sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=llm_leaderboard_html ) llm_refresh_btn.click( fn=sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=llm_leaderboard_html ) # 排序功能绑定 - 医疗大语言模型 llm_sort_column.change( fn=sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=llm_leaderboard_html ) llm_sort_order.change( fn=sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=llm_leaderboard_html ) # 默认排序按钮绑定 - 医疗大语言模型 llm_default_sort_btn.click( fn=default_sort_llm_table, inputs=[llm_type_filter, llm_min_score, llm_pinned_state], outputs=[llm_leaderboard_html, llm_sort_column, llm_sort_order] ) # 置顶功能绑定 - 医疗大语言模型 llm_pin_btn.click( fn=apply_llm_pin, inputs=[llm_pin_input, llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order, llm_pinned_state], outputs=[llm_leaderboard_html, llm_pinned_state] ) llm_clear_pin_btn.click( fn=clear_llm_pin, inputs=[llm_type_filter, llm_min_score, llm_sort_column, llm_sort_order], outputs=[llm_leaderboard_html, llm_pinned_state, llm_pin_input] ) # 绑定事件 - 医疗多模态大模型 multimodal_type_filter.change( fn=sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=multimodal_leaderboard_html ) multimodal_min_score.change( fn=sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=multimodal_leaderboard_html ) multimodal_refresh_btn.click( fn=sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=multimodal_leaderboard_html ) # 排序功能绑定 # sort_btn.click( # fn=sort_multimodal_table, # inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], # outputs=multimodal_leaderboard_html # ) sort_column.change( fn=sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=multimodal_leaderboard_html ) sort_order.change( fn=sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=multimodal_leaderboard_html ) # 默认排序按钮绑定 default_sort_btn.click( fn=default_sort_multimodal_table, inputs=[multimodal_type_filter, multimodal_min_score, pinned_state], outputs=[multimodal_leaderboard_html, sort_column, sort_order] ) # 置顶功能绑定 pin_btn.click( fn=apply_pin, inputs=[pin_input, multimodal_type_filter, multimodal_min_score, sort_column, sort_order, pinned_state], outputs=[multimodal_leaderboard_html, pinned_state] ) clear_pin_btn.click( fn=clear_pin, inputs=[multimodal_type_filter, multimodal_min_score, sort_column, sort_order], outputs=[multimodal_leaderboard_html, pinned_state, pin_input] ) if __name__ == "__main__": demo.launch( # server_name="0.0.0.0", # server_port=7863, share=False, show_error=True )