domain-specific language
PulseAugur coverage of domain-specific language — every cluster mentioning domain-specific language across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新研究增强LLM一致性和推理能力
两篇新研究论文探讨了改进大型语言模型（LLM）输出的高级技术。第一篇论文《用于一致性DSL生成的元模型引导LLM解码》介绍了MeMoDecode框架，该框架旨在确保生成的领域特定语言（DSL）代码同时遵守具体和抽象语法规则，平均提高一致性23%。第二篇论文《稀疏强化学习松弛用于LLM推理》提出了SpaRLax方法，该方法使用具有自适应稀疏性的强化学习来增强思维链（Chain-of-Thought）推理，在九个基准测试中取得了最高的平均性能。
-
AI智能体自主生成语言以获得精确答案
研究人员开发了一种新颖的自改进智能体，它能够生成自己的领域特定语言（DSL）以进行精确问答，而无需依赖外部奖励或真实数据。该智能体利用嵌套循环，其中内部循环仅在两个独立编写的表达式一致时才回答问题，而外部循环则发现并编写新的算子。这种机制已显示出显著的改进，在一个领域中可回答的问题集增加了两倍，在业务账单和临床就诊问答领域分别增加了十倍或近二十倍。该方法还显示了跨模型家族的兼容性，不同的语言模型实现了可比的自扩展产量。
-
网速与带宽：理解关键区别
网速和带宽常被混用，但它们代表了互联网连接的不同方面。带宽指的是连接每秒可传输数据的最大理论容量，类似于高速公路的车道数量。网速，更准确的说法是吞吐量，是指在任何给定时刻实际发送和接收数据的速率，受网络拥堵和设备限制等因素影响。延迟以毫秒为单位，是指数据从设备传输到服务器再返回所需的时间，对于游戏和视频通话等实时应用至关重要。
-
新基准测试LLM形式化几何问题的能力，以用于AlphaGeometry
研究人员开发了NL2AGBench，这是一个新的基准，旨在评估大型语言模型将非正式几何问题转化为AlphaGeometry所需的正式语言的能力。这一点至关重要，因为AlphaGeometry在国际数学奥林匹克竞赛中表现接近金牌选手水平，它需要专门的领域特定语言作为输入，而手动转换是一个重大的瓶颈。该基准使用AlphaGeometry内的基于执行的验证来评估翻译质量。实验表明，领先的闭源LLM实现了超过80%的可执行翻译率，显著优于难以…
-
新的 OptiDSL 框架使用 DSL 和 LLM 进行优化建模
研究人员推出 OptiDSL，一个旨在改进组合优化问题 (COP) 建模的新框架。与主要使用混合整数线性规划 (MILP) 的现有系统不同，OptiDSL 利用领域特定语言 (DSL) 和大型语言模型 (LLM) 将问题表述与执行分离开来。这种方法允许与更广泛的求解器集成，包括启发式和基于学习的方法。在 44 种 COP 类型上的实验表明，与基于 MILP 的管道相比，OptiDSL 在表述准确性方面提高了 51.66%，建模时间减少…
-
Brevis系统为无损张量压缩合成程序
研究人员开发了Brevis，一个将无损张量压缩视为程序合成问题的创新系统。Brevis利用具有可逆运算符的领域特定语言（DSL）来捕获张量结构，从而能够合成紧凑的、可执行的重构程序。该方法在10个大型模型检查点上实现了33.93%的存储空间缩减，优于Zstandard和GZIP等通用压缩器以及ZipNN和DFloat11等张量特定方法。Brevis还展示了高速的压缩和解压缩速率，同时确保了比特精确重构。
-
AI代理发现新的Transformer优化器程序
研究人员开发了OPTScientist，一个新颖的多代理框架，旨在发现用于训练Transformer模型的新优化器程序。该系统利用四个不同的AI代理——理论家（Theorist）、设计者（Designer）、工程师（Engineer）和评审员（Reviewer）——在一个类型化的领域特定语言中协作提出、合成、评估和改进优化器候选。该框架还包括一个机制，用于在遇到表示瓶颈时扩展语言本身，从而发现了RS-MR，一种在Transformer…
-
新的RAG框架Chat2Scenic自动化自动驾驶场景生成
研究人员开发了Chat2Scenic，一个新颖的迭代式检索增强生成（RAG）框架，旨在自动创建可执行的自动驾驶系统测试场景。该框架利用聊天机器人界面进行交互式细化，并将场景生成与法规知识和领域特定语言语法相结合。评估显示，Chat2Scenic的编译成功率为76.42%，框架准确率为58.17%，显著优于先前的方法。
-
新的领域特定语言需要出色的文档和工具才能在大型语言模型时代生存
为了使新的领域特定语言（DSL）在大语言模型（LLM）时代取得成功，它需要出色的文档、有效的营销和强大的工具。文章强调，像类型检查器和代码检查器这样的高级工具对于减少LLM的幻觉至关重要，而现代语言需要强大的语言服务器和全面的文档。此外，创建AGENTS.md文件可以帮助新语言更好地与LLM代理集成。
-
新框架支持在复杂科学工作流中进行异步人机协作
研究人员开发了HepScript，一种领域特定语言（DSL），旨在促进高能物理数据分析中的人机协作。该DSL将复杂的分析逻辑抽象为人类专家和AI代理都能理解的正式语法，显著减少了人工编写代码的需求。在案例研究中，HepScript使AI代理能够从文献中生成可执行的分析规范，并取得了很高的成功率，展示了将AI集成到科学工作流中的可扩展途径。
-
新的“Thinking with Drafting”方法通过逻辑重建从视觉数据中重构潜在逻辑
研究人员推出了一种名为Thinking with Drafting (TwD)的新方法，以改进多模态大型语言模型的视觉推理能力。TwD将处理视觉输入重新概念化为光学解压，从视觉令牌中重构潜在的逻辑结构。该方法使用极简的领域特定语言（DSL）作为中间表示，迫使模型将其推理草拟成可执行代码以进行自我验证。在新的视觉代数基准VisAlg上的实验表明，TwD增强了认知脚手架，并且视觉生成充当逻辑验证器。