本文作者分享了如何在编程语言会议上做一个成功的演讲。演讲成功的关键在于价值：它必须告知听众你做了什么以及为什么重要，教育听众一些有用的东西，并娱乐他们。作者提出了三种常见的价值主张框架，并强调了在演讲中传达价值的重要性，因为听众的时间宝贵，需要让他们觉得你的工作值得他们的关注。一个好的演讲需要精心准备和练习，最终目标是让听众记住你的工作并重视你的研究。
阅读更多
随着大型语言模型（LLM）能力的提升和工具调用机制（如MCP）的出现，构建安全可靠的AI应用变得越来越复杂。本文提出构建AI模型虚拟机（MVM）的理念，它如同Java虚拟机（JVM）一样，能够为AI模型提供安全隔离、可扩展性和可移植性等特性。MVM将模型开发与集成逻辑解耦，允许任何模型“即插即用”，并通过内置的安全控制和访问控制机制，保障AI应用的安全性与隐私。MVM还能提供透明的性能和资源追踪，并支持对模型输出的可验证性。这项创新有望解决AI应用开发中的诸多挑战，构建更安全、可靠和高效的AI生态系统。
阅读更多
编程语言领域虽然拥有PLMW、SIGPLAN-M和PLTea等导师项目，但缺乏针对研究成果展示的指导。文章指出ACM学生研究竞赛（SRC）存在一些问题，例如其竞争性导向掩盖了反馈机制的不足，导致其未能有效帮助学生提升研究成果展示技能。作者建议将SRC重塑为以反馈为导向的平台，并提出具体改进方案，例如增加专家评委、提供详细的反馈、存档扩展摘要等，以提升学生的研究展示能力和成果可见性。
阅读更多
本文强调了理解AI模型提示与传统软件程序的共通之处至关重要。作者认为，将提示视为程序为编程语言和软件工程领域带来了新的机遇和挑战，并敦促这些领域开展新的研究。文章指出，聊天机器人在重复应用场景下的局限性可以通过将LLM交互嵌入到支持自动化和重用的软件系统（AI软件系统，AISW）中来克服。文中以一个具体的系统提示示例说明了如何像对待软件程序一样考虑提示的稳健性、安全性等方面。作者还探讨了如何将构建传统软件的知识和工具转移到创建稳健有效的提示上，并指出LLM的非确定性和快速发展给提示的编写、调试、部署和维护带来了挑战。最后，文章呼吁编程语言和软件工程领域关注提示研究，以构建更具表现力、有效性、效率和易用性的提示，并支持非专业开发人员利用LLM。
阅读更多
MegaLibm 是一种嵌入在 Python 中的 DSL，旨在简化和确保数学函数实现的编写。它使用符号表达式类型来跟踪代码实现的实值表达式，并通过类型检查来捕获错误。MegaLibm 还允许使用 approx 函数来表达近似值，并使用 range reduction 技术来简化复杂函数的实现。它支持可调编译，允许开发人员调整性能参数，并与 Jupyter 笔记本集成，以实现迭代工作流程。
阅读更多