PulseAugur
中
实时 19:35:11
实体 XML

XML

PulseAugur coverage of XML — every cluster mentioning XML across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
10
90 天内 46
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 16
层级分布 · 90 天
主题
关系
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/3 页 · 共 49 条
  1. TOOL · CL_369174 ·

    客户端退出机制提升 LLM 透明度和客户端控制力

    研究人员开发了一种名为客户端退出(Client Exits)的新型机制,以增强大型语言模型(LLM)输出的透明度和客户端控制。该方法允许 LLM 在其响应中嵌入机器可解释的标记,使客户端应用程序能够确定如何呈现补充信息,例如图形或文本。集成了经过微调的 Qwen 模型和 LibreChat 的原型成功生成了标记,LLM 裁判在 66% 的情况下更喜欢客户端退出模型的输出。

  2. TOOL · CL_366751 ·

    AI 生成的梯形逻辑因图结构问题无法导入 TIA Portal

    dev.to 上的一篇文章解释了为什么 AI 生成的梯形逻辑经常无法导入 Siemens TIA Portal。核心问题在于 TIA Portal 使用的 XML 格式 SimaticML 并非一个简单的文档,而是一个图结构。作者详细介绍了四个常见问题:UID 不一致、将电源轨视为节点的不正确的连线定义、分支逻辑处理不当以及假设每个块只有一个编程语言。提出的管道包括在渲染成 SimaticML 之前验证中间表示 (IR),然后可以将其…

  3. TOOL · CL_356159 ·

    DocSTAR支持AI驱动的文档迁移

    DocSTAR推出了一种使用AI编码代理迁移文档的新方法。用户可以将他们偏好的AI助手(如Claude Code、Cursor或Codex)连接到DocSTAR MCP。通过提供一个简单的提示,AI代理就可以导入API规范,将现有指南转换为页面,并将它们作为草稿保存在DocSTAR中。此过程旨在通过自动化重复性任务来简化迁移,让用户专注于审核和最终发布。

  4. TOOL · CL_355378 ·

    Inveniam 收购 AI 文档初创公司 Docugami

    Inveniam 收购了 Docugami,这是一家由 XML 联合创始人 Jean Paoli 创立的 AI 文档初创公司。收购的财务条款未披露,但 Docugami 约 50 名员工的团队将加入 Inveniam。Jean Paoli 将担任 Inveniam 的首席产品和技术官。此次收购是在两家公司之前就 DGML 展开合作之后进行的,DGML 是一种旨在将文档转换为 AI 代理可访问数据的开源格式。

  5. COMMENTARY · CL_338713 ·

    LLM 提示:Markdown 与 XML 标签的结构化对比

    大型语言模型 (LLM) 可以通过 Markdown 或 XML 风格的标签来提示,以区分输入的不同部分。Markdown 因其可读性和易于维护性而更受欢迎,特别是对于主要包含指令或简单列表的提示。当处理复杂结构、嵌套内容或需要明确边界来区分指令和提供的数据(例如在不受信任的文档中)时,XML 风格的标签更有效。

  6. RESEARCH · CL_321771 ·

    LLM 通过离线操作员手册辅助农用机械

    研究人员开发了一种方法,通过基于 ISO 11783 的 CAN 总线同步操作员手册,使大型语言模型 (LLM) 能够为农业机械提供离线、多语言的帮助。该研究使用 Markdown、JSON 和 XML 格式对数据传输性能进行了基准测试,发现 Markdown 的效率最高。本地运行的 LLM 在英文手册上通过检索增强生成表现出色,尽管跨语言能力在关键词检索方面有限,但在语义检索方面存在。

  7. TOOL · CL_312057 ·

    11 项生产就绪的提示工程实践详解

    本文概述了在生产环境中进行有效提示工程的十一个基本实践,强调需要健壮、可重复的方法,而非一次性的技巧。关键建议包括:明确具体、无歧义;使用示例来演示期望的行为;仅提供必要的上下文。该指南还强调了明确指定输出格式、将指令与数据分开以及从简单提示开始再增加复杂性的重要性。它建议为不确定的情况定义行为、将提示作为代码进行版本控制,并在部署前后严格评估提示。最后,它强调了将所有模型输入视为不受信任以防止提示注入攻击的关键重要性。

  8. COMMENTARY · CL_308724 ·

    专家称AI文档翻译的未来在于模型之外

    作者认为,到2027年,用于文档翻译的特定AI模型将不如围绕它的流程链重要。目前的工具常常因为将文档视为简单的字符串而失败,忽略了文件结构、上下文分割和术语一致性等复杂性。诸如在不同语言之间保留格式、保持文档片段之间的连贯性以及确保流畅但可能不正确的翻译的准确性等问题被强调为关键挑战。作者建议,一种“比较和同意”的方法,即使用多个翻译引擎并比较它们的输出,比仅仅专注于识别单一的“最佳”模型提供了更实用的解决方案。

  9. TOOL · CL_301004 ·

    AI工具集工程显著缩小立法XML转换中的模型差距

    一篇新研究论文探讨了“工具集工程”在提高AI模型将立法文件转换为XML的准确性方面的有效性。研究发现,围绕模型构建的确定性工具集,而非模型本身,显著缩小了不同AI模型之间的性能差距。当使用包含多个代理和工具的完整流水线时,即使是最弱的模型也优于单独使用的最强模型,这凸显了编排和确定性工具集在完成法律文件转换等复杂任务时实现高准确性的关键作用。

  10. COMMENTARY · CL_299806 ·

    Claude AI 系统提示详解:使用 XML 标签实现更好控制

    本文解释了 Claude 系统提示中使用 XML 标签的原因。它详细说明了这些标签如何帮助构建 AI 的指令,从而更精确地控制其响应和行为。文章还指导用户如何在自己的提示中使用这些 XML 标签,以从 Claude 获得期望的结果。

  11. TOOL · CL_289281 ·

    大语言模型结构化输出性能取决于模式设计,而非结构本身

    一篇新的arXiv论文挑战了诸如JSON或XML之类的结构化输出格式会损害大语言模型(LLM)性能的观点。研究人员发现,先前被称为“结构化税”的准确性损失并非源于结构本身,而是源于模式的设计。具体而言,根据推理步骤而非答案来排序字段,可以匹配甚至超过自由格式输出的准确性,尤其对于较小的模型而言。这表明优化模式设计是保持大语言模型推理能力的关键。

  12. COMMENTARY · CL_281986 ·

    AI代理审核博文;PPTX转换器遗漏SmartArt文本

    一位用户测试了两个AI子代理对其AI辅助撰写的博文的表现,发现一个代理的得分是25分中的15.1分。用户还遇到了一个问题,即一个PPTX转换器未能处理SmartArt文本,该文本存储在Office Open XML演示文稿文档内的单独XML部分中。

  13. RESEARCH · CL_276500 ·

    分析发现,LLM提示中的漂亮JSON比CSV多使用3倍的token

    最近的一项分析比较了七种数据格式在LLM提示中的token使用情况,发现漂亮的JSON比CSV消耗的token多约三倍。这种差异归因于重复的键、标点符号和不必要的缩进,这些都会增加token数量,但对模型没有好处。研究建议在提示中使用CSV或TSV来处理简单的表格数据,使用最小化JSON来处理结构化输出,使用Markdown来处理人类可读的表格,同时建议不要在提示中使用漂亮的JSON和XML,以优化成本。

  14. TOOL · CL_273624 ·

    O-Funnel 库提供从不断变化的文档中进行无损数据提取

    研究人员开发了 O-Funnel,一个新颖的 Python 库,旨在无需手动编写模式即可从异构且不断变化的文档中提取数据。O-Funnel 将结构捕获与值提取分离,将 XML、JSON 和 HTML 等各种文档格式转录为统一的树状结构。这种方法确保即使在模式发生变化时,数据提取仍然健壮,正如其在模式重命名后对 PubMed 记录的完美准确性所证明的那样,其性能优于传统的基于正则表达式的解析器。

  15. TOOL · CL_270005 ·

    开发者创建工具以模拟数据渲染 Android UI 布局

    一位开发者创建了一个名为 `android-ui-renderer-mcp` 的工具,可以将 Android XML 布局渲染成 PNG 图片并提供视图树数据。该工具超越了简单的布局渲染,通过整合 Activity、Fragment 和 RecyclerView 等元素以及显式的状态数据,而不是运行完整的应用程序代码。该系统使用真实的 UI 资源,但注入用于列表和覆盖的确定性测试数据,并冻结动画以确保自动化检查的一致视觉输出。

  16. TOOL · CL_259312 ·

    新的基准测试套件旨在对工业PLC程序进行形式化验证

    研究人员开发了一个新的基准测试套件,用于形式化验证IEC 61131-3梯形图程序,解决了该领域缺乏标准评估工具的问题。该套件包含来自十个工业领域的50个程序,以图形化(梯形图)和文本化(结构化文本)两种格式呈现。一项关键贡献是建立了一个地面实况方法,以确保可靠的判断,这些判断通过构造、故障注入或审计的跨工具共识来确立。该语料库、模式、验证器和复查工具被作为开放工件发布,以促进可复现的进展度量。

  17. RESEARCH · CL_246140 ·

    RAG分块策略影响LLM检索性能

    优化检索增强生成(RAG)系统需要仔细考虑分块策略,因为嵌入质量直接影响性能。对于文本,通常建议块大小在256-512个标记之间,重叠10-20%,以平衡语义完整性和上下文保留。对于表格、JSON或XML等结构化数据,至关重要的是将每一行或每个元素转换为结构化文本片段,以保留层次关系和属性上下文,确保有意义的嵌入。

  18. COMMENTARY · CL_234077 ·

    使用 XML 标签构建 Claude Opus 提示的指南

    本文提供了一篇关于如何使用 XML 标签有效地为 Anthropic 的 Claude Opus 模型构建提示的指南。文章解释了通过以清晰、分层的方式组织输入数据和指令,这种方法如何有利于管理复杂的工作流并提高模型的性能。

  19. TOOL · CL_217543 ·

    json-repair 在提取 LLM 封装的 JSON 方面表现出色,优于 jsonshim

    一项新的基准测试 MALFORMED-300 评估了解析器从格式错误的 LLM 输出中提取 JSON 的能力,特别是当 JSON 被封装在 XML、HTML 或 SQL 等其他格式中时。json-repair 工具在此特定类别中取得了完美的 25/25 分,优于 jsonshim (17/25) 和标准库 (0/25)。然而,在整个 300 个案例的基准测试中,jsonshim 仍以 94.0% 的总分领先,json-repair 以…

  20. RESEARCH · CL_215731 ·

    研究发现:AI智能体通过结构化条件改进文档创作

    一篇新论文探讨了多智能体系统在正式文档创作中的有效性,特别是针对投标响应。研究发现,将文档转换为XML等结构化标记可以改善信息提取,但在用于条件化时会降低生成散文的质量。研究还观察到,明确命名禁止的构造会适得其反地集中错误,并且确定性窗口函数与随机标注相结合可以减少提取的需求。