DSPy
PulseAugur coverage of DSPy — every cluster mentioning DSPy across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Anthropic 的 Fable 模型在揭示隐藏的任务假设方面表现出色
来自 Anthropic 的 AI 模型 Fable 因其揭示复杂任务中隐藏决策和假设的能力而受到关注。与擅长执行预定义计划的模型不同，Fable 特别擅长识别“未知数”——即提示与现实世界约束之间的差距。当任务的复杂性并非源于规模，而是源于未经审视的目标或标准时，这种能力就很有价值，它允许用户在执行之前或执行过程中完善他们的目标。
-
DSPy 框架被重新定义为 LLM 的编程工具
DSPy 框架不仅被呈现为一种改进提示词编写的工具，更被视为一种用于编程语言模型的系统。其核心价值在于将任务契约（输入、输出、可衡量示例）与提示词本身分离开来，允许优化器在不改变基本业务逻辑的情况下改进提示词。成功采用的关键在于三个关键分离：任务契约与提示词的分离，编译正确性与运行时行为的分离，以及检索质量与最终答案质量的分离。没有这些分离，DSPy 可能不适合特定任务的抽象。
-
DSPy 框架增强 Datasette Agent 的 SQL 提示生成
Simon Willison 探讨了使用 DSPy 框架来增强 Datasette Agent 的系统提示，Datasette Agent 是一个用于回答数据相关问题的 SQL 查询生成工具。他要求 Claude Code 评估和改进这些提示，特别是关注代理如何列出表模式以及提供关于使用 `describe_table` 的建议。使用 GPT-4.1 mini 和 nano 进行的测试表明，在模式列表中包含列名或调整关于 `descr…
-
新基准测试表明，提示优化可能会削弱大型语言模型的对抗性鲁棒性
开发了一个新的基准测试，以研究大型语言模型（LLMs）的提示优化技术是否会削弱它们对抗恶意攻击（特别是提示注入）的鲁棒性。初步研究结果表明，虽然提示优化可以提高在干净数据集上的准确性，但可能会导致对抗提示注入攻击的安全性下降。该基准测试旨在弥合提示优化和提示注入研究社区之间的差距，这两个社区历史上一直独立运作。
-
新模拟器利用自适应语音模型自动化空中交通管制员培训
研究人员开发了ASTRA，一个旨在通过自动化人类模拟飞行员角色来培训空中交通管制员（ATCOs）的新模拟器。该系统通过微调自动语音识别（ASR）模型，解决了现有以西方为中心、在新加坡口音的航空语音方面表现不佳的语音模型的局限性。ASTRA显著将词错误率（WER）降低至23.45%，并包含一个人工智能辅助的学员沟通绩效评估框架。
-
开发者评测10款AI Agent框架，包括LangGraph、CrewAI
本文对十个AI Agent框架进行了实际评测，重点关注其对开发者的实际应用。作者测试了LangGraph、CrewAI、AutoGen和OpenAI的Agents SDK等工具，深入分析了它们的优缺点。该指南旨在帮助开发者根据实际实验选择适合自己需求的框架。
-
新研究深入探讨提示词优化的有效性和可解释性
两篇新研究论文探讨了提示词优化对于大型语言模型（LLMs）的有效性和可解释性。第一篇论文 iPOE 介绍了一种使用自动生成的标注决策指南来使提示词优化透明化并提高性能高达 39% 的方法。第二篇论文分析了提示词优化有时为何会失败，发现某些类型的编辑会负面影响推理任务，而另一些则会改善它们，这表明需要进行面向任务的优化器设计。
-
新框架量化复合 AI 系统中的扰动传播
研究人员推出 QUIVER，这是一个新的正式框架，旨在衡量扰动如何在链接多个大型语言模型调用的复合 AI 系统中传播。该框架通过将边分类为放大器或吸收器来量化敏感性，并将变化分解为值漂移、结构路径发散和迭代次数发散。QUIVER 还识别分叉阈值（导致结构执行路径改变的最小扰动）并评估分布忠实度。在企业和公共管道上的验证表明，QUIVER 能够揭示不同的敏感性特征并预测易发生轨迹分叉的节点。
-
AI应用开发需要专门的技木栈而非传统技木栈
开发AI应用需要专门的技木栈，这与传统的Web开发不同，因为LLM的非确定性。Python和JavaScript/TypeScript被推荐用于AI工作流，因为它们更符合模型的训练方式，从而带来更可预测的结果。基于Flutter或Swift等不太常见的生态系统构建的技木栈可能会带来摩擦和错误，因为模型难以理解它们的项目结构和构建系统。
-
Neural1.5方法在临床问答任务中排名第二
研究人员开发了Neural1.5，一种用于ArchEHR-QA 2026临床问答任务的方法，该任务包括四个子任务：问题解释、证据识别、答案生成和证据对齐。他们的方法使用DSPy的MIPROv2优化器为每个阶段自动发现有效的提示和少样本演示。通过采用自一致性投票和特定阶段的验证机制，该方法在所有四个子任务中均在参与者中获得第二名的总排名。
-
Nous Research 发布 Hermes AI 代理以实现快速数据分析
Nous Research 推出了 Hermes，一个用于快速数据收集和分析的进化式 AI 代理框架。与需要为特定任务进行大量编程和微调的 DSPy 不同，Hermes 为初始数据收集和趋势分析提供了一种更简化的方法。该框架设想用于内容工具、情报分析和个性化内容生成等应用。
-
详细介绍LLM输出验证和效率策略
多篇文章讨论了在生产环境中处理大型语言模型（LLM）输出的稳健方法，强调需要超越简单的JSON格式进行结构化验证。文章重点介绍了Pydantic和JSON Schema等技术，用于在LLM生成的数据集成到下游系统之前强制执行数据完整性，确保其符合预定义的结构。讨论还涵盖了提高LLM效率和可靠性的策略，包括使用缓存层来降低API成本，以及使用DSPy等框架进行声明式提示编程以自动化提示优化。
-
提示工程通过自动化优化和结构化技术取得进展
提示工程正演变为一门系统性学科，超越简单的指令，发展出用于优化大型语言模型（LLM）输出的高级技术。DSPy 等工具可自动进行提示结构和示例选择，将提示编写转变为一个程序化过程。建议开发者像对待代码一样对待提示，专注于结构化格式，如 XML 标签、精选的少样本示例以及明确的推理步骤（如思维链），以在 LLM 性能方面实现可靠、可衡量的改进。
-
新研究比较了大型语言模型的自动化提示词工程与专家提示词工程
一篇新的研究论文探讨了与专家精心设计的提示词相比，自动化提示词优化对于大型语言模型的有效性。该研究系统地比较了人工设计的提示词、基础 DSPy 签名以及 GEPA 优化的 DSPy 签名在翻译、术语插入和语言质量评估任务中的表现。结果表明，自动化提示词和手动提示词通常能产生相似的质量，其性能因任务和模型配置而异。
-
Agent Capsules 优化 LLM 管道以实现效率和质量控制
研究人员开发了“Agent Capsules”，一个旨在优化多智能体大型语言模型（LLM）管道的自适应运行时系统。该系统解决了合并智能体调用以节省 token 与潜在质量下降之间的权衡问题。Agent Capsules 根据经验质量约束动态选择复合执行策略，确保性能与 LangGraph 和 DSPy 等现有方法相当或更优，同时显著减少 token 使用量。
-
AI代理通过元认知和提示优化获得智能
近期研究探索了超越简单重试循环以完成复杂任务的高级代理架构。诸如“Supervising Ralph Wiggum”之类的研究表明，将元认知批评分离到一个独立的代理中，与自监控或基本重试机制相比，在设计任务上的性能得到了显著提高。ReMA等工作也呼应了这一趋势，它使用元思考器和执行器对来改进数学推理。这些论文的根本主题是分解代理功能的好处，无论是为了元认知、规划还是提示优化，这表明当前的LLM可能已经拥有更复杂的自我改进的基础元素。
-
新 AI 模型涌现，包括开源推理代理 Trinity-Large-Thinking
Moonshot AI 作为一个 AI 原生实验室运营，优先考虑模型进展，采用扁平化结构和自主团队，反映了 AI 工具压缩组织复杂性的趋势。Arcee 发布了 Trinity-Large-Thinking，一个开源的前沿推理模型，专为复杂的代理和工具使用而设计，目标是成为中国以外最强大的开源模型。Cognichip 获得了 6000 万美元的融资，用于开发芯片设计的 AI，有可能显著降低开发成本和时间，尽管他们尚未展示用其系统设计的芯…
-
微调与提示工程：何时各显神通
Relari推出了一款自动提示优化器，旨在无需微调即可提高LLM性能。该工具使用输入和预期输出的数据集来迭代优化提示，以更好地适应特定领域的任务。该公司将其定位为比现有提示工程框架更易于访问和更透明的替代方案，能够使用相对较小的数据集交付高质量结果。
-
Hamel Husain 展示了如何拦截 LLM API 调用和提示词
Hamel Husain 的博文认为，即使在使用抽象框架时，理解发送给大型语言模型的确切提示词也很重要。他批评一些工具隐藏了提示词，这阻碍了调试和优化。Husain 建议使用 "mitmproxy" 来拦截和检查这些 API 调用，使用户能够更好地评估他们所使用的框架的必要性和有效性。