Lisp
PulseAugur coverage of Lisp — every cluster mentioning Lisp across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Lisp 程序员寻求类型系统,考虑 Common Lisp
一位 Lisp 程序员正在探索该语言的不同方言,发现自己被 Clojure 和 Scheme 等函数式风格所吸引。然而,他们表示希望拥有更强大的类型系统,这在 Haskell 或 Idris 等语言中更为普遍。另一位用户建议,Common Lisp 的实现,特别是 SBCL,提供了强大的类型推断和编译器警告,可以满足对类型安全的需求。
-
Mastodon 帖子涵盖气候、大语言模型、Lisp 和计算历史
此集群包含一条来自 Mastodon 的帖子,讨论了包括气候危机、大语言模型、Emacs、Symbolics 和 Lisp 在内的各种主题。它还提到了 Kent Pitman 和 John Hardy 等个人,以及 Peertube 和 Firefox 等平台。该帖子似乎是一条带有标签和链接的社交媒体帖子,可能与编程语言和历史计算相关。
-
程序员认为代码的目标是机器通信,而非人类交流
作者认为,与数学不同,编程主要是与机器沟通,而不是与人沟通。数学证明是开发和分享技术的基础,而代码的唯一目的是指令计算机。作者认为,软件工程中除了产品交付之外的讨论,常常类似于数学论证或设计简报,这表明自20世纪60年代以来,软件设计沟通方面缺乏进展。他们认为,对代码本身的关注阻碍了进步,而最优雅的软件解决方案通常涉及嵌入一个Lisp解释器或编译器。
-
SLED 项目将 Lisp 编程带入 DOS 以进行 AI 开发
SLED 是一个旨在使 Lisp 编程语言能够用于 DOS 系统上 AI 开发的新项目。该项目为 Lisp 提供了一个即用型编码环境,将其定位为适用于 AI 应用的语言。
-
Haskell 程序员羡慕 Lisp 的实时编码,寻求类似的工作流程
一位程序员反思了 Lisp 中的开发工作流程,在 Lisp 中代码通常直接在实时运行的系统中进行编辑和测试。这与 Haskell 等语言中常见的传统编辑-编译-运行周期形成对比。作者对 Lisp 方法表示羡慕,并探索了为 Haskell 开发带来类似实时编码优势的潜在方法,例如使用语言服务器和在文件更改时能够立即重新编译的工具。
-
AI 警示:独立编程仍是学习的“金标准”
作者回顾了独立程序员创建操作系统和编程语言等复杂系统的历史意义,并引用了 Thompson 的 UNIX 和 Ritchie 的 C 等例子。他们认为,这种独立、深入的系统构建方法仍然是计算机科学本科生的“金标准”。作者警告不要使用 AI 来生成整个代码库,认为这会绕过从头开始构建系统所固有的宝贵学习过程。
-
帝国时代代理新S表达式语言揭晓
一种新的代理自定义语言“anecdata”已被开发出来,它使用了S表达式语法。该语言专为游戏《帝国时代》中的代理而设计,旨在增强代理的能力。项目的详细信息和语法可在题为CPSB.pdf的PDF文档中找到。
-
将在每周播客中创建Lisp AI实验室于LambdaMOO
lispyGopherClimate播客自2022年起每周播出,本期节目即将上线。本期节目将聚焦于在LambdaMOO虚拟现实环境中创建一个新的Lisp AI实验室。播客将涵盖与Lisp、AI、气候危机和俳句相关的主题。
-
RayforceDB 发布,一款具有 Lisp 语法的 C 语言分析数据库
RayforceDB 是一款新的分析数据库,它结合了 C 语言的冗长和类似 Lisp 的语法。该项目旨在通过将分析、图遍历和文档集成到一个平台中来彻底改变开发。还提供了一个 AI 引擎来协助用户使用该数据库。
-
气候危机讨论将举行现场活动,涉及AI和Lisp
一场名为lispyGopherClimate的现场活动定于星期三0UTC举行,重点关注气候危机及其影响,发言者承诺将采取进一步行动。讨论还将涉及感知器(perceptrons)的历史成功以及Facebook的新AI模型,强调Lisp和该领域的思想领导力。此外,还将分享关于运行LambdaMOO MUD的笔记。
-
发布了新的 Emacs AI 代理 `elisp-agent`
一个名为 `elisp-agent` 的新 AI 代理已为 Emacs 文本编辑器开发。该代理受先前基于 Lisp 的代理启发,利用 Emacs Lisp 的 `eval` 函数作为其代理工作流的主要工具。项目 README 文件提供了更多详细信息并强调了重要的安全注意事项。
-
AI评估:对通用任务使用分布外测试集
最近在LessWrong上的一篇讨论提出了一种新颖的AI模型评估方法,即使用分布外(OOD)测试数据集。标准的机器学习流程依赖于从与训练数据相同分布中提取的测试集,以防止过拟合。然而,对于诸如描述程序执行之类的通用任务,作者建议测试集应故意从明显不同的分布中提取,例如使用Java代码来测试在Python上训练过的模型。此方法旨在确保模型已学习到根本任务,而不仅仅是训练数据的特定模式,从而防止对数据分布本身的另一种形式的过拟合。
-
用户探索 Lisp 编程,发现 CLISP 配置更简单
用户正在探索 Lisp 编程,发现 CLISP 比 Emacs Lisp 更容易配置。他们正在反思自己的编程语言选择,注意到在 AI 选修课上使用 Lisp 的积极体验,但在个人项目中仍偏爱 C/C++。
-
AI和编码的演变在网上被幽默地辩论
关于AI和编码演变的幽默观点正在Mastodon上传播。一篇帖子开玩笑说,到2026年,编码将像在AI助手和代理的帮助下组装宜家家具一样简单。另一篇帖子则怀念AI的过去,将其比作寻路算法,并质疑在更简单的方法就足够的情况下,是否还需要CUDA和PyTorch等现代工具。
-
Lisp作为AI代理语言的复兴:100行代码示例探讨
一篇博文探讨了Lisp(一种历史上与符号AI相关的编程语言)在构建现代AI代理方面的潜力。作者借鉴了大学AI课程的经验,展示了Lisp的同像性(homoiconicity)如何能用短短100行代码简洁地实现一个代理循环。这种方法利用了Lisp的数据即代码(data-as-code)能力,通过递归简化工具集成和管理代理状态。
-
论文提出受Lisp启发的持久化LLM工作流模型
一篇新论文提出了一个概念模型,用于将LLM工作流表示为持久化的知识对象。这种受Lisp启发的模型旨在通过区分确定性计算('derive')和LLM介导的判断('infer'),使工作流可检查、可恢复和可审查。目标是实现语义持久化,使工作流本身成为知识资产,而不仅仅留下痕迹。
-
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。