XML
PulseAugur coverage of XML — every cluster mentioning XML across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
MCP 服务器与 API 网关：AI 架构中的不同角色
模型上下文协议 (MCP) 服务器和 API 网关在现代应用程序架构中扮演着不同但互补的角色。API 网关负责管理服务到服务的通信，处理传统应用程序的身份验证、速率限制和请求路由等任务。相比之下，MCP 服务器专为 AI 与工具的通信而设计，提供了一个标准化的接口，使 AI 模型能够发现并与外部工具和服务进行交互，从而抽象化了直接 API 调用的复杂性。虽然 API 对于直接服务集成至关重要，但 MCP 使 AI 代理能够通过智能地选…
-
新的LLM微调方法优化停电报告生成
研究人员开发了POTracker，一种新颖的LLM微调方法，旨在生成符合严格行业标准的停电报告。该方法使用了一种新的损失函数POTrackerLoss，该函数同时考虑了与真实报告的文本相似性和结构相似性。当应用于Qwen2.5-7B-Instruct模型时，POTracker在对1000份报告的研究中显示出显著的改进，准确率提高了51%，结构准确率达到了86.47%。领域专家还将生成的报告评分为4.03分（满分5分），平均得分很高。
-
LLM 原生理解 BPMN，绕过定制 AI 集成的需求
像 Claude 这样的语言大模型（LLMs）无需定制集成即可理解和分析业务流程模型和符号（BPMN）文件，因为该标准的 XML 格式和元素名称很可能已存在于其训练数据中。这种固有的 AI 可读性与需要供应商构建适配器的专有流程建模格式形成对比。虽然将 BPMN XML 粘贴到 LLM 中可以展示其理解能力，但真正的流程集成需要能够弥合 AI 分析能力与可视化建模环境之间差距的工具。
-
Handlebars LLM 提示漏洞暴露角色注入风险
一篇新研究论文详细介绍了一种在常用于 LLM 提示的 Handlebars 模板中存在的漏洞，该漏洞可能导致结构化角色注入。研究发现，Handlebars 的默认 HTML 转义机制未能防御某些分隔符家族，从而允许攻击者伪造更高权限的对话轮次。虽然 GPT-3.5 Turbo 表现出显著的易感性，但 Claude Haiku 4.5 对这些攻击表现出很强的抵抗力。
-
LLM 结构化输出：XML 标签用作分隔符，JSON 用于数据
开发人员经常面临大型语言模型 (LLM) 生成包含对话文本的结构化输出的难题，这使得解析变得困难。一种常见的解决方案是使用 XML 标签作为 JSON 数据周围的分隔符，允许模型包含前导语或推理，同时确保核心数据可解析。或者，当 API 在解码过程中支持模式强制执行时，直接请求原始 JSON 会更有效、更安全，特别是对于更简单的数据结构。
-
NTU团队从单张图像生成可用于仿真的3D资产
新加坡南洋理工大学（NTU）的研究人员开发了 PhysX-Anything 系统，该系统能够从单张图像生成具有物理模拟能力的3D资产。这项进展超越了仅仅创建视觉上逼真的3D模型，而是能够生成具有准确结构组件、关节关系、材料属性和功能行为的资产。该系统旨在通过自动化从单个输入图像推断物理属性，来显著降低机器人训练、AR/VR应用和工业仿真创建3D资产的成本和精力。
-
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。
-
提示工程通过自动化优化和结构化技术取得进展
提示工程正演变为一门系统性学科，超越简单的指令，发展出用于优化大型语言模型（LLM）输出的高级技术。DSPy 等工具可自动进行提示结构和示例选择，将提示编写转变为一个程序化过程。建议开发者像对待代码一样对待提示，专注于结构化格式，如 XML 标签、精选的少样本示例以及明确的推理步骤（如思维链），以在 LLM 性能方面实现可靠、可衡量的改进。
-
RustDiff 为桌面用户提供语义化 JSON 和 XML 文件比较功能
RustDiff 是一款用于比较 JSON 和 XML 文件的新型桌面应用程序。与传统的逐行比较不同，RustDiff 分析文件的语义结构。它使用 GTK4 和 Libadwaita 构建，提供带有语法高亮显示的并排编辑界面。