XML
PulseAugur coverage of XML — every cluster mentioning XML across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
开发者被敦促在 LLM 输出中使用 XML 标签而非 JSON 模式
开发者被建议在 LLM 输出中使用结构化 XML 标签而非 JSON 模式，因为 XML 在模型迁移和流式传输问题方面具有更好的弹性。这种方法为提示和模型之间提供了更强大的契约，确保了数据提取和格式的一致性。作者建议为提示使用特定的 XML 骨架结构，详细说明了角色、格式、拒绝策略和示例等部分，这比基于文本的指令更可靠。
-
新基准测试LLM生成BIM行业标准XML的能力
研究人员推出了Ishigaki-IDS-Bench，这是一个新的基准测试，旨在评估大型语言模型（LLM）根据建筑信息模型（BIM）需求生成信息交付规范（IDS）XML的能力。该基准测试包含166个跨越不同建筑领域和语言的专家验证示例，以及用于比较的黄金IDS文件。初步评估显示，虽然LLM可以部分表达信息需求，但它们在持续生成符合IDS标准和IFC词汇约束的XML方面存在困难，表现最好的模型内容一致性仅达到65.6%。
-
MILM模型使用LLM处理不规则时间序列数据
研究人员开发了MILM，一个用于处理多模态不规则时间序列数据的大型语言模型。该模型将时间序列数据表示为XML三元组，并采用两阶段微调策略。第一阶段侧重于仅从采样模式中学习，第二阶段则整合观测值进行联合建模。MILM在电子健康记录数据集上表现出强大的性能，尤其是在预测院内死亡率方面，在缺失值场景下优于单阶段模型。
-
文化遗产数据转化为语义知识图谱
一位数据科学家详细介绍了使用RDF将静态XML数据转换为可互操作知识图谱的过程。该项目专注于来自穆尔西亚地区的文化遗产数据，旨在使其更具可复用性和语义智能性。该举措凸显了公共文化数据面临的挑战，这些数据通常缺乏潜在的知识模型。
-
Prompt engineering advances with automated optimization and structured techniques
Prompt engineering is evolving into a systematic discipline, moving beyond simple instructions to advanced techniques for optimizing LLM output. Tools like DSPy automate prompt structure and example selection, transform…
-
RustDiff offers semantic JSON and XML file comparison for desktop users
RustDiff is a new desktop application designed for comparing JSON and XML files. Unlike traditional line-by-line comparisons, RustDiff analyzes the semantic structure of the files. It is built using GTK4 and Libadwaita,…