跳到正文
热点事件持续更新

研究团队发布四个自然语言到MLIR基准及约束解码器

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

研究团队发布四个自然语言到 MLIR 的基准(MLIR-Spec-150、Linalg-Spec-30、StableHLO-Spec-30、StableHLO-Held-Out-200),共 410 对样本,覆盖三种方言;同时发布基于 ODS 的三层模式派生约束解码栈、逐提示生成结果和固定版本的可复现 Dockerfile。团队称该约束解码无需重新训练即可实现跨方言泛化。 基准另含 25 个程序构成的语法外压力测试集,并在 30 个 Spec 提示上提供功能参考;数据以 Apache-2.0 许可发布,附 Gebru 数据表和 Croissant 1.1 元数据。

AI 根据报道生成 · 49 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月19日
  1. arXiv cs.AI
    无需重训练实现跨方言泛化:MLIR 模式派生约束解码的基准与评估

    研究团队发布四个自然语言到 MLIR 的基准(MLIR-Spec-150、Linalg-Spec-30、StableHLO-Spec-30、StableHLO-Held-Out-200),共 410 对样本,覆盖三种方言,并构建基于 ODS 的三层模式派生约束栈。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。