Lisp
PulseAugur coverage of Lisp — every cluster mentioning Lisp across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
编程语言语法影响AI词元成本
对不同编程语言的词元化成本进行的比较显示出显著差异。对于一个特定函数，Go需要50个词元，Java需要59个词元，而Lisp经过手动优化后仅使用27个词元。这凸显了编程语言的语法结构如何影响每次调用的词元成本，无论其是为了人类可读性还是AI处理。
-
AI 新闻集锦：航运燃料使用和 Lisp 编程指南
来自同一来源的两条独立新闻报道了不同的主题：一条强调了货运中化石燃料的巨大燃料消耗和环境影响，强调了效率和可持续性的必要性。另一条则侧重于编程，提供了一个通过在 Python 中实现解释器来学习 Lisp 语言的指南，使其对开发人员更加易于访问。
-
麻省理工学院1975年的Chaosnet：一个高性能的AI局域网
Chaosnet由麻省理工学院人工智能实验室于1975年开发，是一个为有限范围内计算机之间通信设计的局域网系统。它最初是为了支持Lisp Machine系统而创建的，能够实现跨多个处理器共享文件访问和资源利用。该网络优先考虑简洁性和高性能，避免复杂的协议以确保可靠性和易于维护，并且不适用于长距离通信。
-
新的 BPPO 方法提高了 LLM 的效率和简洁性
研究人员开发了二元前缀策略优化 (BPPO) 方法，该方法旨在提高使用组相对策略优化 (GRPO) 训练的大型语言模型 (LLM) 的效率和简洁性。BPPO 仅优化响应的前缀，降低了计算成本，并在不牺牲准确性的情况下鼓励更短、更直接的答案。该方法在 GSM8K 和 MATH 等推理任务的实验中显示出显著的速度提升和响应长度缩减。
-
开发者开源新的 Lisp 版 Emacs AI 包
一位开发者开源了一个新的、不稳定的 Emacs 包，名为 Hermes。该包是用 Lisp 编写的， intended for use with Emacs，可能应用于 AI 领域。
-
Lisp、Scheme 项目揭示对 AI 代码贡献的混合立场
最近对 Lisp 和 Scheme 编程项目的调查显示，在 AI 生成代码的使用方面存在各种立场。截至 2026 年 5 月，许多项目已制定了政策，其中一些严格禁止 LLM 贡献，另一些则犹豫地接受它们。少数项目仍在等待官方政策，或采取细微的方法，例如允许核心开发人员使用 LLM，但不允许外部贡献。
-
Anthropic 的 Claude Opus 在 Lisp 编码任务中表现出色
Anthropic 的 Claude Opus 被强调为编写 Lisp 代码的出色 AI 工具。用户报告称，该模型在正确处理 Lisp 编程中常见的括号方面表现出非凡的能力。这种能力使 Opus 成为使用 Lisp 和 Emacs 等相关工具的开发者的宝贵资产。
-
SHRDLU：早期人工智能程序在虚拟积木世界中理解自然语言
SHRDLU 是在 1968 年至 1970 年间在麻省理工学院开发的一个早期自然语言理解程序，它允许用户与一个模拟的“积木世界”进行交互。该程序可以解析英文指令来移动物体、记住上下文，并回答有关虚拟环境状态和历史的问题。SHRDLU 利用有限的词汇量和基本的记忆系统来创造令人信服的理解模拟，并使用 Micro Planner 和 Lisp 编写。