Lisp
PulseAugur coverage of Lisp — every cluster mentioning Lisp across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
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。
-
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。