dspy

DSPy: Programmation — pas d'incitation — Modèles de fondation Documentation: DSPy Docs DSPy est le cadre de programmation — plutôt que d'incitation — des...

Dépôt créer le : 09/01/2023

Release du : 26/02/2026 3.1.3

Forks: 2651 Watcher: 0 32396

Github: https://github.com/stanfordnlp/dspy

Ajouter à une sélection :

Connectez-vous pour gérer vos sélections.

DSPy : Programmation—sans incitation—Modèles de fondation

Documentation: DSPy Docs

DSPy est le cadre pour programmation—plutôt que l'incitation—modèles linguistiques. Il vous permet d'itérer rapidement construction de systèmes modulaires d'IA et propose des algorithmes pour optimiser leurs impulsions et leurs poids, que vous construisiez des classificateurs simples, des pipelines RAG sophistiqués, ou des boucles Agent.

DSPy signifie Python auto-améliorant déclaratif. Au lieu d'invites cassantes, vous écrivez compositional Code Python et utiliser DSPy pour apprendre à votre LM à fournir des sorties de haute qualité. En savoir plus via notre site officiel de la documentation ou rencontrer la communauté, chercher de l'aide, ou commencer à contribuer via cette repo GitHub et notre Serveur discordant.

Documentation: Dspy.ai

Allez au DSPy Docs à dspy.ai

Installation

pip install dspy

Pour installer la toute dernière main:

pip install git+https://github.com/stanfordnlp/dspy.git

Citation et lecture Plus

Si vous cherchez à comprendre le cadre, allez à la DSPy Docs à dspy.ai.

Si vous cherchez à comprendre la recherche sous-jacente, voici un ensemble de nos documents :

[Jul'25] GEPA : L'évolution rapide réfléchie peut surpasser l'apprentissage du renforcement
[Jun'24] Optimisation des instructions et des démonstrations pour les programmes de modèles de langues multi-étapes
[Oct'23] DSPy: Compilation des appels de modèle de langage déclaratif dans les pipelines auto-amélioration
[Jul'24] Optimisation fine et rapide : deux grandes étapes qui fonctionnent mieux ensemble
[Jun'24] Prompts comme Hyperparamètres d'entraînement optimisés automatiquement
[Fév'24] Aider à écrire des articles semblables à Wikipédia de Scratch avec de grands modèles linguistiques
[Jan'24] Apprentissage en contexte pour une classification multi-label extrême
[déc. 23] DSPy Assertions: Contraintes computationnelles pour les pipelines de modèles de langage autoréfinant
[déc. 22] Démontrer-Recherche-Prédicte: Composer des modèles de récupération et de langue pour le NLP intensif

Pour rester à jour ou en savoir plus, suivez @DSPyOSS sur Twitter ou sur la page DSPy sur LinkedIn.

Les DSPy logo est conçu par Chuyi Zhang.

Si vous utilisez DSPy ou DSP dans un document de recherche, veuillez citer nos travaux comme suit :

@inproceedings{khattab2024dspy,
  title={DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines},
  author={Khattab, Omar and Singhvi, Arnav and Maheshwari, Paridhi and Zhang, Zhiyuan and Santhanam, Keshav and Vardhamanan, Sri and Haq, Saiful and Sharma, Ashutosh and Joshi, Thomas T. and Moazam, Hanna and Miller, Heather and Zaharia, Matei and Potts, Christopher},
  journal={The Twelfth International Conference on Learning Representations},
  year={2024}
}
@article{khattab2022demonstrate,
  title={Demonstrate-Search-Predict: Composing Retrieval and Language Models for Knowledge-Intensive {NLP}},
  author={Khattab, Omar and Santhanam, Keshav and Li, Xiang Lisa and Hall, David and Liang, Percy and Potts, Christopher and Zaharia, Matei},
  journal={arXiv preprint arXiv:2212.14024},
  year={2022}
}