Fortran
PulseAugur coverage of Fortran — every cluster mentioning Fortran across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的LLM方法通过声明式表示辅助遗留代码迁移
研究人员开发了一种新方法ADFD-Migrate，通过近似代码的潜在声明式表示来辅助遗留软件存储库的迁移。该方法使用LLM从存储库上下文中推断出带注释的数据流图（ADFD），然后指导目标语言代码的生成。在对50个Fortran存储库的基准测试中，ADFD-Migrate在行为一致性方面表现出高精度，并且与直接翻译方法相比，显著改善了迁移结果。
-
AI将遗留代码翻译成Rust用于生物信息学
研究人员开发了一种使用代理式AI和静态分析将遗留生物信息学代码翻译成现代语言Rust的方法。该方法解决了旧代码的问题，例如维护成本、安全漏洞和低效的硬件利用率。翻译后的Bascet软件代码实现了80倍的体积缩减、10倍的构建时间减少和超过3倍的性能提升，同时还消除了Unix依赖，无需容器即可实现原生Windows运行。
-
EvoX Genesis 通过持久化项目框架实现自主软件演化
研究人员开发了一个名为 EvoX Genesis 的新框架，通过使软件项目本身持久化来实现自主软件演化，而不是依赖单个编码代理的持久化。该系统将软件表示为一个递归世界，其中有限寿命的代理提出更改，接受的修改会推进项目的版本历史。在评估中，Genesis 使用 DeepSeek-V4 Flash 成功构建了一个基于 Rust 的 C 编译器，该编译器通过了广泛的测试套件，并且产生的 token 费用极低。该框架还展示了其使用不同代理继续…
-
EvoX Genesis 通过持久化项目实现自主软件演化 · 跟踪 4 个来源
一篇新的研究论文介绍了一个名为 EvoX Genesis 的系统，该系统围绕持久化项目而非持久化代理来组织软件开发。这种方法支持长周期开发，通过使用 DeepSeek-V4 Flash 在 120 多个小时内以 44 美元的价格创建了一个基于 Rust 的 C 编译器来证明这一点。该编译器成功通过了广泛的测试套件。Genesis 还促进了 MESA 模块从 Fortran 到 Rust 的重新实现，实现了显著的速度提升。
-
Fortran 转译器 FGPT 将遗留代码桥接到 JAX 和 NumPy
研究人员开发了 FGPT，这是一种新颖的转译器，旨在将遗留的 Fortran 代码转换为现代 Python 框架，如 JAX 和 NumPy。该工具旨在弥合不熟悉 Fortran 但需要利用其高性能计算能力的科学家的专业知识差距。FGPT 将 Fortran 转换为 GPU 适配或自动微分版本，为大规模科学应用保留语义保真度和数值精度。
-
LLM 推理引擎通过新技术和优化实现重大速度提升 · 跟踪 4 个来源
多个项目正在增强本地 LLM 推理引擎的性能。Kernel Acceleration (VK) 开发了三个引擎（VKAE、VKUE、VKIE），通过多令牌预测等技术将令牌生成速度提高到每秒 601 个令牌，并在 Fast Gemma 挑战赛中被验证为第一名。Llama.cpp 为 GLM-5.2 引入了推测解码，并为 Vulkan 增加了量化连接支持，而 vLLM 则增加了对 Inkling 模型系列的支持，并改进了其 CUDA 图实…
-
网络安全并购：战略优先于AI炒作
行业专家表示，2026年的网络安全收购应优先考虑战略契合度和真正的创新，而不是仅仅集成AI。Fortra的Rohit Dhamankar建议买家识别能够填补特定空白、与现有系统无缝集成并满足明确客户需求的解决方案，而不是围绕某个工具构建战略。Gartner分析师（包括Katell Thielemann）警告说，围绕生成式AI在网络安全领域的炒作可能会抬高高风险公司的估值，只有一小部分团队报告了显著的好处。对基于AI的初创公司进行彻底的…
-
Fortran 代码通过 LFortran 和 Enzyme 实现自动微分
研究人员开发了一种方法，为遗留的 Fortran 代码启用自动微分，使其能够集成到 JAX 和 PyTorch 等现代机器学习框架中。该方法使用 LFortran 将 Fortran 编译为 LLVM IR，然后 Enzyme 在此基础上应用自动微分。生成的微分物理引擎可以被 Tesseract 包装为自定义 JAX 原始类型，从而可以在不重写原始模拟代码的情况下用于复杂的机器学习管道。尽管仍处于实验阶段，但该技术提供了一种利用数十年…
-
AI就绪无需抛弃IBM i核心系统
组织机构正在争论是否在采用AI之前完全迁移IBM i系统，这一举措可能成本高昂且具有颠覆性。尽管IBM i因其界面和有限的原生AI集成而被视为遗留系统，但其核心交易处理能力仍然高度稳定可靠。专家建议，与其进行彻底的改造，不如在现有的IBM i系统周围构建一个AI和集成层，这可能是实现AI就绪更有效、更具成本效益的方法。
-
LLM 管道将遗留 Fortran 代码翻译成 JAX 以用于科学建模
研究人员开发了一个新颖的五阶段管道，利用基于 LLM 的代理将遗留 Fortran 代码翻译成 JAX 框架。该系统自动化了代码迁移过程，包括依赖分析、自主纠错和数值奇偶校验。该管道成功应用于 CLM-ml-v2，一个 19,000 行的陆面模型，生成了一个可微分版本，显著加快了计算和参数恢复。
-
AI代理将遗留有限差分代码转换为Devito
研究人员开发了一个AI代理框架，旨在将遗留的有限差分代码转换为Devito环境。该系统在多阶段工作流程中利用了检索增强生成（RAG）和开源大型语言模型。该代理通过解析文档、分割结构、提取关系和识别社区来构建Devito知识图谱。它包含一个逆向工程组件，该组件分析Fortran源代码以推导出RAG的查询策略，并通过并行搜索和语义分析提高检索精度。代码合成由Pydantic约束管理，验证则采用G-Eval方法的静态分析来确保正确性和合规性。
-
Sunya 编程语言使用自定义虚拟机引导，而非 Fortran
Sunya 编程语言的创建者在 Copilot 的协助下，决定放弃使用 Fortran 进行引导。他们选择从头开始使用自定义虚拟机和种子语言来构建 Sunya。初始阶段涉及创建一个确定性的、无指针的虚拟机，接下来的步骤将侧重于开发一个最小化的 Sunya 核心语言。
-
一篇旧编程文章引发关于AI在编码中作用的讨论
一位Mastodon用户分享了一件来自打孔卡和Fortran编程时代的历史文物，将过去的编程实践与当前围绕AI在编程领域的讨论联系起来。该用户链接到了一篇题为“真正的程序员”的文章，并评论说这让他想起了关于AI在软件开发中作用的持续辩论。
-
Free Pascal 和 BLAS 为 SLM 项目提供确定性的 HPC
一位 Mastodon 用户正在探索使用 BLAS（一组基于 Fortran 的矩阵例程）来支持他们的中小语言模型 (SLM) 项目。他们更倾向于使用 Free Pascal 而非 C、Python、Rust 和 C# 等语言，因为 Free Pascal 具有确定性且缺乏现代编程抽象。该用户计划与 GitHub Copilot 合作开展此项目，旨在获得更传统的opy 编程体验。
-
我在80年代学会了# Pascal。我学了点C和Rust，但讨厌那些对矩阵操作极其笨拙的指针逻辑。# Python和# C用户
一位程序员分享了他们学习各种编程语言的经验，发现Pascal的数组处理在矩阵操作方面优于C和Rust。他们指出，像NumPy这样的库通常是用汇编语言编写的，基于Fortran算法，而不是C。该用户试图通过Fortran引导来创建一种新语言，并在Claude 4的帮助下进行，但最终决定因其数组功能而切换回Pascal。
-
新研究解决大语言模型的事实准确性、架构推断和专业化评估问题
研究人员正在开发新方法来提高大语言模型（LLM）的准确性和可靠性。Google Research 推出了 SLED（Self Logits Evolution Decoding）技术，该技术利用 LLM 的所有层来增强事实准确性，而无需额外的微调或外部数据。同时，研究也在探索如何通过限制性 API 访问来推断 LLM 的架构属性，并创建新的基准来评估 LLM 在金融服务和编译器问题解决等专业领域的表现。此外，研究还在调查 LLM 集成…