Can a Frozen Pretrained Language Model be used for Zero-shot Neural Retrieval on Entity-centric Questions?
Kioxia Corporation(铠侠公司)
神经文档检索器,包括密集段落检索(DPR),在特定的问答数据集上进行微调和测试时,表现优于经典的词汇匹配检索器,如BM 25。然而,它已被证明,现有的密集检索不推广以及不仅出域,但即使在域,如维基百科,特别是当一个问题中的命名实体是一个主要的线索检索。在本文中,我们提出了一种方法,对领域泛化内泛化使用的嵌入所产生的冻结语言模型训练的实体领域。通过不微调,我们探索了预训练的语言模型中包含的丰富知识可用于检索任务的可能性。该方法优于传统的DPRs在维基百科领域的实体为中心的问题,并实现几乎相当的性能BM 25和最先进的SPAR模型。我们还表明,上下文化的键导致强大的改进相比,BM 25时,实体名称由常见的单词。我们的研究结果表明,zero-shot检索方法的可行性,以实体为中心的问题的维基百科领域,DPR一直在努力执行。
2023-03-09 cs.AI cs.CL
Human-Centric NLP or AI-Centric Illusion?: A Critical Investigation
Faculty of Arts, CU(朱拉隆功大学文学院);Center for Information and Language Processing (CIS), LMU Munich(慕尼黑大学信息与语言处理中心)
本文批判性调查发现以人为本的自然语言处理实践存在以AI为中心的偏差,提出需重新定义该领域,强调跨学科合作与真实世界效用。
2024-12-14 cs.AI cs.CL cs.CY
Cross-lingual Collapse: How Language-Centric Foundation Models Shape Reasoning in Large Language Models
NAVER Cloud(NAVER云);KAIST(韩国科学技术院)
该研究探讨了多语言模型在长链思考中因语言中心化先验导致的推理能力下降问题,并提出通过语言一致性奖励等方法缓解这一现象。
2026-02-23 cs.AI cs.CL
From English-Centric to Effective Bilingual: LLMs with Custom Tokenizers for Underrepresented Languages
OpenBabylon;ARG-Tech, University of Dundee(邓迪大学ARG-Tech公司);Georg-August Universität Göttingen(哥廷根大学);Doha Institute for Graduate Studies(多哈研究生学院);Arab Center for Research and Policy Studies(阿拉伯研究与政策研究中心);Google(谷歌);PolyAgent
本文提出模型无关的双语LLM构建流程,通过定制词表与嵌入初始化等步骤,在三种非拉丁文字语言上以更低成本提升性能并减少语码转换等问题。
2024-10-24 cs.AI cs.CL
Exploring Large Language Models for Feature Selection: A Data-centric Perspective
Arizona State University(亚利桑那州立大学)
本文从数据为中心视角将基于大语言模型的特征选择方法分为数据驱动和基于文本两类,通过多种规模LLMs实验验证了基于文本方法的有效性与鲁棒性,并探讨了挑战与前景。
2024-10-23 cs.AI
Alignment Tuning for Large Language Models: A Data-Centric Lens on Alignment Data Pipelines
KAIST(韩国科学技术院)
本文以数据为中心,将对齐调优重构为管道设计问题,分解为响应合成、偏好评估和偏好实例化三个阶段,并基于此框架统一分类现有对齐方法,总结设计权衡与失败模式,提炼高层原则,最后指出开放挑战。
2026-04-07 cs.AI cs.CL
Data-Centric Financial Large Language Models
Ant Group(蚂蚁集团);University of Virginia(弗吉尼亚大学)
提出数据中心金融大语言模型,通过多任务提示微调和溯因增强推理自动生成训练数据,在金融分析任务上达到最先进性能并开源新基准。
2023-11-14 cs.AI cs.CL cs.LG
Tracking the Truth: Object-Centric Spatio-Temporal Monitoring for Video Large Language Models
National University of Singapore(新加坡国立大学);VinUniversity(文大学);Nanyang Technological University(南洋理工大学)
本文提出STEMO-Bench基准测试,通过分解查询验证时空监控能力,改进视频大语言模型的时空推理一致性。
2026-08-18 cs.AI cs.CV
AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding
University of Colorado Colorado Springs(科罗拉多大学科罗拉多斯普林斯分校);University of Michigan(密歇根大学);University of Notre Dame(圣母大学)
针对评估视觉语言模型对安全关键事件推理能力的挑战,提出AUTOPILOT-VQA基准,通过围绕真实驾驶事件的结构化问题评估系统,涵盖多安全相关类别,推动向安全意识推理发展,为自动驾驶系统评估提供标准,助力相关视觉语言系统开发。
2026-07-10 cs.AI cs.CV
Quest: Query-centric Data Synthesis Approach for Long-context Scaling of Large Language Model
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);Xiaohongshu Inc(小红书科技有限公司)
针对长上下文训练中传统方法存在的领域失衡、语义连贯性或多样性不足问题,提出查询中心的数据合成方法Quest,通过预测潜在查询聚合语义相关且多样的文档,在长上下文任务上实现更优性能与可扩展性。
2025-02-11 cs.AI cs.CL
A Survey of Multimodal Large Language Model from A Data-centric Perspective
Hong Kong University of Science and Technology(香港科技大学);Apple(苹果公司);Peking University(北京大学);Harbin Institute of Technology(哈尔滨工业大学);University of Science and Technology of China(中国科学技术大学)
本文从数据中心视角系统综述多模态大语言模型,涵盖数据准备、评估方法及未来方向,旨在推动该领域研究。
2024-07-18 cs.AI cs.CL cs.CV
Mitigating Hallucinations in Large Vision-Language Models via Entity-Centric Multimodal Preference Optimization
Soochow University(苏州大学);Baidu Inc.(百度公司);Shandong University(山东大学)
本文提出以实体为中心的多模态偏好优化方法EMPO,通过自动构建图像、指令和响应三方面偏好数据来增强模态对齐,显著降低大型视觉语言模型的幻觉率。
2025-09-22 cs.AI cs.CL cs.CV
Object-Centric Vision Token Pruning for Vision Language Models
Aalto University(阿alto大学);University of Electronic Science and Technology of China(电子科学与技术大学);Delft University of Technology(代尔夫特理工大学)
提出OC-VTP方法,通过轻量预训练以对象为中心的视觉令牌剪枝器,直接选择最具代表性的视觉令牌,在保持高精度的同时提升VLM推理效率。
2026-05-27 cs.AI cs.CV
BenCzechMark : A Czech-centric Multitask and Multimetric Benchmark for Large Language Models with Duel Scoring Mechanism
Brno University of Technology(布拉格技术大学);Masaryk University(马萨里大学);University of Helsinki(赫尔辛基大学);Czech Technical University in Prague(布拉格捷克技术大学);University of Ostrava(奥斯特拉瓦大学);CIIRC(捷克信息与通信研究中心);Hugging Face
本文提出BenCzechMark,首个捷克语综合基准,含50项任务和双评分机制,并构建7B捷克语模型及语料库,提供排行榜以评估模型性能。
2025-05-22 cs.AI cs.CL
Closing the Gap: Data-Centric Fine-Tuning of Vision Language Models for the Standardized Exam Questions
organization= Department of Computer Engineering, Middle East Technical University (METU) , city= Ankara , country= Türkiye;organization= METU-DTX Digital Transformation \& Innovation Centre, METU , city= Ankara , country= Türkiye
本研究通过高质量数据和优化语法提升视觉语言模型在标准化考试题目的多模态推理性能,达到接近SOTA的水平。
2025-11-14 cs.AI cs.CL cs.CV
Jais 2: A Family of Arabic-Centric Open Large Language Models
Institute of Foundation Models, Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学基础模型研究所)
Jais 2是MBZUAI等联合开发的以阿拉伯语为核心的开源大语言模型家族,含70B、8B参数变体,在阿拉伯语及文化相关基准上表现领先,已开源并部署为多平台聊天应用,可支撑相关研究开发。
2026-08-17 cs.AI cs.CL
Towards Unifying Evaluation of Counterfactual Explanations: Leveraging Large Language Models for Human-Centric Assessments
AAAI-25
本研究通过收集人类评分并微调大语言模型,实现了对反事实解释的以人为中心的统一评估,显著提高了评估的准确性和可扩展性。
2025-04-22 cs.AI cs.CL
Symbolic Learning Enables Self-Evolving Agents
AIWaves Inc.(AIWaves公司)
提出智能体符号学习框架,以数据为中心、模拟反向传播与梯度下降,使语言智能体在部署后自我优化,实现自我进化。
2024-06-26 cs.AI cs.CL cs.LG
SentZero: An Enhanced Sentence-Centric Vision-Language Pretraining for Multi-Task Zero-Shot Chest X-Ray Analysis
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院(KAIST))
SentZero提出了一种增强的句子中心视觉-语言预训练框架,通过LLM抽象级句子结构、假阴性缓解损失和句子条件残差调制,显著提升了多任务零样本胸部X光分析的泛化性能。
2026-09-29 cs.AI cs.CV
Symbol-LLM: Towards Foundational Symbol-centric Interface For Large Language Models
Xi’an Jiaotong University(西安交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);National University of Singapore(新加坡国立大学);Shanghai Jiao Tong University(上海交通大学);Hong Kong University of Science and Technology(香港科技大学)
本研究提出Symbol-LLM系列模型,通过构建涵盖34个任务和20个符号族的数据集及两阶段微调框架,解决LLMs在符号知识理解上的局限,实现符号与自然语言任务的均衡优越性能。
2024-02-18 cs.AI cs.CL
Human-centric Reward Optimization for Reinforcement Learning-based Automated Driving using Large Language Models
Faculty of Applied Science & Engineering, University of Toronto(多伦多大学应用科学与工程学院);University of Minnesota – Twin Cities(明尼苏达大学双城分校);University of Wisconsin – Madison(威斯康星大学麦迪逊分校);Transportation Research Institute, University of Toronto(多伦多大学交通研究所);IRC for Smart Mobility & Logistics, King Fahd University of Petroleum and Minerals(法赫德石油和矿产大学智能移动与物流研究所)
本文提出利用大语言模型以人本化方式优化强化学习奖励函数,通过指令和动态环境描述辅助生成奖励,使自动驾驶智能体行为更类人且性能更优,并验证了提示设计对行为塑造的重要影响。
2024-12-26 cs.AI
A Data-Centric Approach for Safe and Secure Large Language Models against Threatening and Toxic Content
Quebec University at Chicoutimi(魁北克大学夏斯库蒂米分校)
提出基于BART纠正模型的数据中心方法,在生成后调整内容以降低毒性及越狱风险,实验显示在多种LLM上显著改善安全性。
2025-04-19 cs.AI cs.CR
Task-Centric Acceleration of Small-Language Models
Amazon(亚马逊)
本文提出TASC框架,通过任务自适应序列压缩方法提升小型语言模型的推理效率,同时保持任务性能。
2026-02-27 cs.AI cs.CL cs.IT
Automating Knowledge Acquisition for Content-Centric Cognitive Agents Using LLMs
Rensselaer Polytechnic Institute(伦斯勒理工学院)
本文提出一种利用大语言模型自动扩充认知智能体语义词典的方法,通过混合架构结合知识库与LLM,成功学习与及物动词等价的多词表达式,验证了其有效性。
2023-12-27 cs.AI cs.CL
MedInsight: A Multi-Source Context Augmentation Framework for Generating Patient-Centric Medical Responses using Large Language Models
Mississippi State University(密西西比州立大学)
MedInsight是一个检索增强框架,通过整合患者记录、医学教科书和网络资源的多源上下文,增强LLM生成以患者为中心的医疗响应,实验证明其有效性。
2024-03-13 cs.AI cs.CL
Political Bias in LLMs: Unaligned Moral Values in Agent-centric Simulations
Journal for Language Technology and Computational Linguistics(语言技术与计算语言学期刊)
本文研究了语言模型在政治角色设定下与人类道德价值观的对齐问题,发现模型在重复实验中响应方差大,且合成数据与人类数据相关性弱,特别是保守派角色对齐效果差,表明需改进上下文优化或参数操作以正确模拟社会互动。
2025-07-14 cs.AI cs.CL
Agent-Centric Projection of Prompting Techniques and Implications for Synthetic Training Data for Large Language Models
University of North Carolina, Charlotte(北卡罗来纳大学夏洛特分校)
该研究提出LLM系统的线性与非线性上下文概念,构建提示技术的智能体中心投影框架,提出三大关联猜想,为提示与多智能体领域交叉及LLM设计训练提供新方向。
2025-01-14 cs.AI cs.CL cs.MA
Exploring Audio Editing Features as User-Centric Privacy Defenses Against Large Language Model(LLM) Based Emotion Inference Attacks
Southern Illinois University Carbondale(南伊利诺伊大学卡本代尔分校);School of Computing(计算机学院)
针对语音使能技术中音频情感隐私泄露问题,提出以用户为中心的隐私防御方法,利用音高和节奏调整的音频编辑技术保护情感隐私,经实验验证有效且探索了轻量级设备端实现原则。
2025-02-10 cs.AI cs.CR cs.LG
Focus-then-Context: Subject-Centric Progressive Visual Token Reduction for Vision-Language Models
Harbin Institute of Technology, Shenzhen, China(哈尔滨工业大学深圳学院);ShenZhen Loop Area Institute(深圳河套学院)
本文提出了一种主体导向的渐进视觉标记缩减方法SPpruner,通过模拟人类视觉感知系统的'聚焦-然后-上下文'机制,有效减少视觉标记数量,提升视觉-语言模型的推理效率,实验表明其在速度和资源消耗上均优于现有方法。
2026-06-05 cs.AI cs.CV
Mining Instance-Centric Vision-Language Contexts for Human-Object Interaction Detection
Seoul National University(首尔国立大学);Hanyang University(汉阳大学)
本文提出InCoM-Net框架,通过整合VLM提取的语义知识与实例特征,提升人-物交互检测的交互推理能力,实验表明其在HICO-DET和V-COCO基准上达到最优性能。
2026-04-02 cs.AI cs.CV cs.LG
Jais and Jais-chat: Arabic-Centric Foundation and Instruction-Tuned Open Generative Large Language Models
Inception(Inception(机构名));Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Cerebras Systems(Cerebras系统公司)
本文提出并开源 130 亿参数的 Jais 与 Jais-chat 阿拉伯语中心大模型,基于 GPT-3 仅解码器架构,在阿英及代码语料上训练,显著提升阿拉伯语知识与推理能力。
2023-09-29 cs.AI cs.CL cs.LG
Vision-Language Models Unlock Task-Centric Latent Actions
Innopolis University(因诺波利斯大学);Research Center for Trusted Artificial Intelligence, ISP RAS(可信人工智能研究所以及ISP俄罗斯科学院)
本文提出利用视觉-语言模型的常识推理能力,通过可提示的表示分离可控变化与噪声,提升潜在动作质量,从而提高下游任务性能。
2026-01-30 cs.AI cs.CV cs.LG
EM^2Mem: Event-Centric Multimodal Memory for Large Language Models
Zhejiang University(浙江大学);South China University of Technology(华南理工大学);Lenovo Group Limited(联想集团有限公司)
该研究提出以事件为中心的多模态记忆框架EM^2Mem,将异质证据绑定到事件锚点,在三个长视频问答基准上提升了准确率、召回率,降低了延迟和推理token用量。
2026-09-02 cs.AI cs.CL cs.LG
Proceedings Tenth Workshop on Programming Language Approaches to Concurrency- and Communication-cEntric Software
PLACES 2017(全称:并行和通信中心软件的程序设计语言方法)是PLACES研讨会系列的第十版。自2008年第一届PLACES加入DisCoTec之后,自2009年以来,该研讨会每年都是ETAPS的一部分,现在是ETAPS卫星活动的一部分。PLACES 2017于4月29日在瑞典乌普萨拉举行。开办这一系列讲习班是为了促进新的程序设计语言思想应用于为并行和通信是内在方面的系统开发软件这一日益重要的问题。这包括用于多核系统和大规模分布式和/或面向服务的系统的软件。PLACES的范围包括新的程序设计语言特性、全新的程序设计语言设计、新的类型系统、新的语义方法、新的程序分析技术和新的实现机制。本卷包括被接受在讲习班上提出的论文。
2017-04-08 cs.DC cs.PL cs.SE
Proceedings Eighth International Workshop on Programming Language Approaches to Concurrency- and Communication-cEntric Software
PLACES 2015(全称:面向以并发和通信为中心的软件的程序设计语言方法)是PLACES研讨会系列的第八版。自2008年第一届PLACES加入DisCoTec之后,自2009年以来,该研讨会每年都是ETAPS的一部分,现在是ETAPS卫星活动的一部分。PLACES 2015于4月18日在英国伦敦举行。开办这一系列讲习班是为了促进新的程序设计语言思想应用于为并行和通信是内在方面的系统开发软件这一日益重要的问题。这包括用于多核系统和大规模分布式和/或面向服务的系统的软件。PLACES的范围包括新的程序设计语言特性、全新的程序设计语言设计、新的类型系统、新的语义方法、新的程序分析技术和新的实现机制。这一卷包括在讲习班上提出的文件的修订本。
2016-02-10 cs.DC cs.PL cs.SE
Proceedings 5th Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
PLACES 2013(全称:并行和通信中心软件的程序设计语言方法)是PLACES研讨会系列的第六版。自2008年第一届PLACES加入DisCoTec之后,自2009年以来,该研讨会每年都是ETAPS的一部分,现在是ETAPS卫星活动的一部分。今年,PLACES是ETAPS 2013上参加人数最多的研讨会。开办这一系列讲习班是为了促进新的程序设计语言思想应用于为并行和通信是内在方面的系统开发软件这一日益重要的问题。这包括用于多核和众核系统、加速器和大规模分布式和/或面向服务的系统的软件。PLACES的范围包括新的程序设计语言特性、全新的程序设计语言设计、新的类型系统、新的语义方法、新的程序分析技术和新的实现机制。
2013-12-08 cs.PL
Proceedings of the 13th International Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
硬件和软件基础设施的并发和并行程度越来越高,这就要求探索和理解各种基础和实用的想法。并行和通信软件的程序设计语言方法国际研讨会(PLACES)致力于这一领域的工作。该研讨会为来自不同领域的研究人员提供了一个论坛,以交流有关现代和未来编程的这些挑战的新想法,其中并发和分布是规范,而不是边缘问题。该主题是核心,并与ETAPS的主要会议,特别是与ESOP很好地结合在一起。
2022-03-23 cs.DC cs.LO cs.PL
Proceedings 17th Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
本文集收录了2026年PLACES会议论文,探讨并发与分布式编程挑战及现代软件基础,涵盖新语言设计、模型、类型系统及应用领域。
2026-04-07 cs.PL
Proceedings 16th International Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
本文是PLACES 2025研讨会论文集,涵盖并发与分布式编程语言方法、类型系统、验证及应用,旨在促进相关领域新思想交流。
2025-05-25 cs.PL
Proceedings of the Ninth workshop on Programming Language Approaches to Concurrency- and Communication-cEntric Software
PLACES 2016(全称:面向以并发和通信为中心的软件的程序设计语言方法)是PLACES研讨会系列的第九版。自2008年第一届PLACES加入DisCoTec之后,自2009年以来,该研讨会每年都是ETAPS的一部分,现在是ETAPS卫星活动的一部分。PLACES 2016于4月8日在荷兰埃因霍温举行。开办这一系列讲习班是为了促进新的程序设计语言思想应用于为并行和通信是内在方面的系统开发软件这一日益重要的问题。这包括用于多核系统和大规模分布式和/或面向服务的系统的软件。PLACES的范围包括新的程序设计语言特性、全新的程序设计语言设计、新的类型系统、新的语义方法、新的程序分析技术和新的实现机制。本卷包括被接受在讲习班上提出的论文。
2016-06-17 cs.DC cs.PL
Proceedings Programming Language Approaches to Concurrency- and Communication-cEntric Software
现代硬件平台,从非常小到非常大,越来越多地为应用程序提供并行和分布式计算资源,以最大限度地提高性能。因此,许多应用程序需要有效利用数十个、数百个甚至数千个计算节点。因此,这种系统中的计算本质上是并发的和以通信为中心的。有效地编程这样的应用程序是具有挑战性的;性能、正确性和可伸缩性很难实现。因此,为这种日益平行的景观制定有效的方案拟订方法,需要探索和理解各种各样的基本和实用的想法。并行和通信中心软件的程序设计语言方法国际研讨会(PLACES)致力于这一领域的工作。该研讨会为来自不同领域的研究人员提供了一个论坛,以交流有关现代和未来编程的这些挑战的新想法,其中并发和分布是规范,而不是边缘问题。本会议录涵盖了第11届PLACES,该会议与ETAPS 2019在捷克共和国布拉格举行。
2019-03-31 cs.DC cs.PL
Proceedings Fifth Workshop on Programming Language Approaches to Concurrency- and Communication-cEntric Software
PLACES 2012(全称:面向以并发和通信为中心的软件的程序设计语言方法)是PLACES研讨会系列的第五版。自2008年第一届PLACES加入DisCoTec之后,自2009年以来,该研讨会每年都是ETAPS的一部分,现在是ETAPS卫星活动的一部分。PLACES 2012于3月31日在爱沙尼亚塔林举行。开办这一系列讲习班是为了促进新的程序设计语言思想应用于为并行和通信是内在方面的系统开发软件这一日益重要的问题。这包括用于多核系统和大规模分布式和/或面向服务的系统的软件。PLACES的范围包括新的程序设计语言特性、全新的程序设计语言设计、新的类型系统、新的语义方法、新的程序分析技术和新的实现机制。今年的论文征集活动共收到17份论文,方案委员会从中挑选了10份论文在讲习班上介绍。讲习班结束后,所有作者都应邀编写了论文的修订本,以列入《欧洲条约汇编》的议事录。六篇论文的作者接受了邀请,这些论文构成了本卷。
2013-02-23 cs.DC cs.LO cs.PL
Proceedings of the 12th International Workshop on Programming Language Approaches to Concurrency- and Communication-cEntric Software
现代硬件平台,从非常小到非常大,越来越多地为应用程序提供并行和分布式计算资源,以最大限度地提高性能。因此,许多应用程序需要有效利用数十个、数百个甚至数千个计算节点。因此,这种系统中的计算本质上是并发的和以通信为中心的。有效地编程这样的应用程序是具有挑战性的;性能、正确性和可伸缩性很难实现。因此,为这种日益平行的景观制定有效的方案拟订方法,需要探索和理解各种各样的基本和实用的想法。并行和通信中心软件的程序设计语言方法国际研讨会(PLACES)致力于这一领域的工作。该研讨会为来自不同领域的研究人员提供了一个论坛,以交流有关现代和未来编程的这些挑战的新想法,其中并发和分布是规范,而不是边缘问题。本卷包含了第12版的地方,这是共同位于ETAPS 2020在爱尔兰都柏林举行的会议记录。
2020-04-01 cs.DC cs.PL
ERNIE-Code: Beyond English-Centric Cross-lingual Pretraining for Programming Languages
Baidu(百度)
发布支持116种自然语言和6种编程语言的统一预训练模型ERNIE-Code,采用span-corruption和基于枢轴的翻译语言建模方法,在代码智能任务及零样本提示中表现优越。
2023-05-19 cs.CL cs.LG cs.PL
Proceedings 15th Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
该论文集记录了 PLACES 2024 研讨会,汇集五篇并发与通信中心编程语言研究论文、主题演讲摘要及其他报告,旨在探讨现代分布式与并发编程挑战。
2024-04-04 cs.PL
Proceedings Third Workshop on Programming Language Approaches to Concurrency and communication-cEntric Software
这是Places'10的会议记录,第三届并行和通信软件程序设计语言方法研讨会,于2010年3月21日在塞浦路斯的Pathos举行,与ETAPS联合会议在同一地点举行。PLACES旨在提供一个论坛,让来自不同领域的研究人员在不久的将来就编程中的一个核心挑战交换新的想法,即开发并行和分布是规范而不是边缘问题的编程方法和基础设施。方案委员会经过仔细和彻底的审查过程,从14份提交的文件中选出10份提交方案。每份提交的论文至少由两名评审人进行评估,并在两周的电子讨论中选出被接受的论文。本后续会议记录包含基于这些提交材料的论文,其中纳入了这些和进一步审查的结果,从而增强了技术成果和演示文稿。
2011-10-18 cs.DC cs.PL
Proceedings 14th Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
本文介绍PLACES 2023研讨会论文集,收录并发与分布式编程领域的五篇研究论文、主旨演讲摘要及其他贡献,为该领域研究者提供交流平台。
2023-04-11 cs.LO cs.PL
Proceedings Second International Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
第二届并行和通信程序设计语言方法国际研讨会(PLACES)与ETAPS 2009在英国约克市举行。研讨会于2009年3月22日星期日举行。讲习班的重点是计算机软件不断变化的环境所带来的挑战。传统上,大多数软件都是为一台具有一个CPU的计算机编写的。然而,今天Web上的应用程序是使用部署在许多机器上的许多交互服务构建的;很快,现成的CPU将托管数千个核心,传感器网络将由大量处理单元组成。许多普通的应用程序很快就需要有效地利用数千个计算节点。在某种粒度级别上,这种系统中的计算将本质上是并发的和以通信为中心的。为即将到来的计算范式开发有效的编程方法需要探索和理解各种各样的思想和技术。该研讨会提供了一个论坛,来自不同领域的研究人员可以在不久的将来就编程的核心挑战之一交换新的想法,开发编程方法和基础设施,其中并发和分布是规范,而不是边缘问题。
2010-02-06 cs.DC cs.PL
Productivity, Portability, Performance: Data-Centric Python
Python已经成为事实上的科学计算语言。用Python编程是非常高效的,主要是因为它围绕NumPy模块构建了丰富的面向科学的软件生态系统。因此,高性能计算(HPC)中对Python支持的需求激增。然而,Python语言本身并不一定提供高性能。在这项工作中,我们提出了一个工作流程,保留Python的高生产力,同时实现跨不同架构的可移植性能。该工作流的关键特性是面向HPC的语言扩展和一组由以数据为中心的中间表示提供支持的自动优化。我们展示了CPU、GPU、FPGA和Piz Daint超级计算机(最多23,328个核心)的性能结果和扩展能力,与之前的最佳解决方案相比,速度提升了2.47倍和3.75倍,是Xilinx和Intel FPGA首次对注释Python进行测试,在512个节点上的扩展效率高达93.16%。
2021-08-23 cs.DC cs.PF cs.PL
Proceedings 7th Workshop on Programming Language Approaches to Concurrency and Communication-cEntric Software
本卷包含PLACES 2014的后续会议记录,第七届并行和通信软件程序设计语言方法研讨会,于2014年4月12日在法国格勒诺布尔举行,并与ETAPS,欧洲软件理论与实践联合会议共同举办。PLACES系列研讨会旨在提供一个论坛,让来自不同领域的研究人员就近期编程的核心挑战之一交换新想法:程序设计语言,方法和基础设施的发展,其中并发和分布是规范,而不是边缘问题。PLACES的前几届展会分别在罗马(2013年)、塔林(2012年)、萨尔布吕肯(2011年)、帕福斯(2010年)和约克(2009年)举办,均与ETAPS同地举办,第一届PLACES展会在奥斯陆举办,与DisCoTec同地举办(2008年)。项目委员会经过仔细和彻底的审查,从12份提交的文件中选出了9份文件,在研讨会上发表,并列入本后续程序。每份提交的论文都由三名评审员进行评估(其中一篇论文接受第四次审查),并在为期一周的电子讨论中选择被接受的论文。在9篇被接受的论文中,有一篇被有条件地接受,但须经过一名PC成员的指导,这一过程是成功的,并导致该论文被完全接受。除了贡献的论文外,研讨会还将邀请微软印度研究院的Akash Lal发表题为“在不精确的线束下发现并发错误”的演讲。
2014-06-12 cs.DC cs.PL