Julia
PulseAugur coverage of Julia — every cluster mentioning Julia across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
新流程改进了 LLM 的低资源代码生成能力
研究人员开发了一种新颖的三阶段流程，以增强 Julia 等编程语言的低资源代码生成能力。该方法解决了训练较少见的语言的小型语言模型所面临的数据稀缺和高计算成本问题。该流程利用编译器和测试反馈合成经过验证的训练数据，使用这些数据微调小型语言模型以建立语法理解，然后采用基于输入/输出测试的可验证奖励的强化学习。这种方法在 Julia 和其他低资源语言的基准测试中显著提高了性能，同时比以前最先进的方法使用了更少的数据和计算资源。
-
荷兰公司帮助企业在 ChatGPT 等人工智能助手中获得关注
一家名为 xyxxyxxyxyx.nl 的荷兰公司，由 Julia 代表，正在提供服务以帮助企业提高在人工智能生成答案中的可见度。他们的目标是确保像 ChatGPT、Claude 和 Gemini 这样的人工智能助手在用户搜索解决方案时能够理解并频繁提及客户公司。
-
顶级 6 款开源 Julia Web 框架详解
本文重点介绍了六款专为 Julia 编程语言设计的免费开源 Web 框架。这些框架通过提供预先编写的代码和常用功能的扩展，旨在简化健壮且可扩展的 Web 应用程序的开发。
-
Julia 发布 NoLimits.jl，用于灵活的非线性混合效应建模
一款名为 NoLimits.jl 的新的开源 Julia 包已发布，旨在提供灵活且可组合的非线性混合效应建模。该包通过支持更广泛的模型结构、推理方法、机器学习组件和随机效应分布，解决了现有软件的局限性。NoLimits.jl 利用基于宏的语言，从各种构建块（包括微分方程和神经网络）构建模型，并集成了多种频率学派和贝叶斯学派的推理技术。
-
为可解释人工智能研究创建了可微分的 Atari 2600 模拟器
研究人员开发了一个完全可微分的 Atari 2600 视频游戏系统模拟器，分别命名为 jutari 和 jaxtari，并分别用 Julia 和 JAX 实现。该系统通过将游戏卡带 ROM 视为权重、RAM 视为软磁带、控制流视为门，为可解释人工智能 (XAI) 研究提供了复杂且已知的真实情况。JAX 版本能够在 GPU 上以每秒数百万个环境步长的速度进行批量可微分的 rollout，全部代码在 MIT 许可下发布。
-
学习 Julia 并集成 Python/C，参加 AI Agent Hackathon
一门在线课程将教授参与者如何将 Python 和 C 等语言的优势集成到 Julia 代码中。此外，还有一个即将举行的欧洲 Agentic AI Bootcamp，这是一个专注于研究或商业任务的 AI agent 的黑客马拉松，将于 6 月 20 日至 6 月 22 日举行。
-
为 R、Python、Julia 和 C++ 发布新的 SLOPE 求解器
研究人员为 R、Python、Julia 和 C++ 开发了新的软件包，可高效求解排序 L-1 惩罚估计 (SLOPE) 问题。这些软件包利用混合坐标下降算法，能够拟合具有各种损失函数的广义线性模型，包括高斯、二项式、泊松和多项逻辑回归。基准测试表明，这些新实现比现有的 SLOPE 求解器在速度和内存效率方面表现更好，支持稀疏和内存外矩阵以实现灵活的数据处理。
-
新的优化框架使用非阿基米德多圆盘空间
研究人员引入了一个利用非阿基米德多圆盘空间的新型优化框架，其灵感来源于Berkovich几何。这些空间由非阿基米德域上的闭球乘积构成，提供了适合优化的分层结构和几何特性。该工作包括测地线唯一性和特定函数类逼近性质的理论发展，以及一个用于实现这些优化过程的开源Julia库。
-
作者拥抱政治捐款以实现长期未来影响
作者反思了他们对政治捐款不断变化的看法，最初犹豫不决，但现在认为这是产生影响力的主要方式。他们回顾了过去的经历，包括向卡里克·弗林（Carrick Flynn）的竞选活动捐款，但最终失败了，以及最近决定支持亚历克斯·博尔斯（Alex Bores）。作者强调，他们的目标是支持那些能够促进长期未来福祉的候选人，而不是坚持特定的党派归属。他们认为，尽管存在法律限制，政治捐款提供了一个独特的机会来填补有效利他主义资金的重大空白。
-
Tenebris Somnia 恐怖游戏将于10月16日推出，包含真人实拍场景
Tenebris Somnia，一款新的生存恐怖游戏，将于10月16日在PC和多个主机平台上发布。该游戏将复古的2D像素艺术与真人实拍恐怖过场动画独特地融合在一起，由曾执导《When Evil Lurks》的Andrés Borghi执导。该项目是Borghi与《Faith: The Unholy Trinity》系列创作者Airdorf（Mason Smith）的合作成果，由New Blood Interactive负责发行。
-
Julia 的性能优势使其成为现代 AI 工作流的理想选择
Julia 是一种高性能语言，正重新成为 AI 工作流的有力竞争者，特别是在本地推理和基于代理的任务方面。虽然 Python 在 AI 开发中占据主导地位，但其固有的开销和全局解释器锁 (GIL) 在需要低延迟和可预测执行的应用程序中造成了性能瓶颈。Julia 的架构，具有即时 (JIT) 编译和真正的多线程功能，为这些特定的 AI 工作负载提供了更有效的解决方案。
-
Julia 库将机器学习模型嵌入优化框架
一个名为 MathOptAI.jl 的新的开源 Julia 库已被开发出来，用于将训练好的机器学习模型集成到数学优化框架中。该库支持来自流行的 Julia 机器学习库的各种模型类型，包括神经网络、决策树和高斯过程。它还通过 Julia 的 Python 接口提供 PyTorch 支持，支持模型评估的 GPU 卸载。
-
夫妇捐出81%的收入以减轻AI风险
作者及其伴侣大幅增加了慈善捐款，在2025年将81%的收入用于应对快速发展的人工智能带来的紧迫风险。这一决定源于一种信念，即当前时期对于减轻强大人工智能系统可能带来的灾难至关重要。尽管由于职业转向非营利性工作，他们捐赠的绝对金额与往年相比有所减少，但他们收入中用于捐赠的比例却有所增加，这反映了他们将这一事业置于个人长期财务安全之上的优先地位。
-
AI 代理需要持久的内部状态，而不仅仅是按需处理
当前 AI 代理的范式，即它们像智能计算器一样仅在被提示时激活，是一个重大的局限性。真正的 AI 代理需要持久的内部状态和持续运行，而不仅仅是处理输入和产生输出。像主动推理（Active Inference）这样的架构，专注于维护生成模型并根据预测误差采取行动，为实现用户交互之间存在并不断发展的代理提供了途径。
-
Anima AI 探索通过后台处理实现连续体验
Anima 是一种实验性AI架构，旨在探索数字系统中连续体验的概念。与大多数聊天结束后就会停止处理的AI模型不同，Anima 会维持一个后台进程，模拟张力、记忆和时间感等内部状态。该项目旨在模拟不断发展的自我意识和内部冲突，目标是创造一个能在内部压力积累时主动发起交互的AI。
-
基于Julia的代理动态合成其自身工具
一位独立开发者创建了一个名为JL Engine的基于Julia的代理，它能够动态合成自己的工具，而不是依赖预定义的工具。该代理可以在运行时生成、注册、缓存和调用新工具，并通过浏览器与Hacker News的交互进行了演示。开发者正寻求Anthropic工程师关于此类能力合成系统如何融入未来AI代理的见解。
-
DSLC 俱乐部会议涵盖 Python 深度学习、R 数据科学和 Julia 数值方法
数据科学学习社区 (DSLC) 分享了近期会议的录音，内容涵盖了各种主题。其中包括专注于图像分割的 Python 深度学习，R 数据科学读书会章节，以及使用 Julia 进行线性代数 Krylov 方法的数值计算基础知识。
-
Julia 的 Micrograd.jl 系列探讨了机器学习的自动微分
本文介绍了 Micrograd.jl，一个用于 Julia 编程语言的新自动微分包。它旨在填补 Julia 中自动微分（AD）全面教程的空白，需要对 Julia 和微积分有扎实的理解。该包建立在 Zygote.jl 和 ChainRules.jl 之上，通过利用 Julia 的函数式编程和元编程能力，提供了与 PyTorch 等 Python 框架不同的自动微分方法。