pzqpzq/LSF_MDia

📚 机器方言学（MDia）

是什么 – MDia 是一个研究级 Python 库，可将大型语言模型（LLM）的中间推理步骤视为 机器间通信协议。与传递冗长的人类可读思维链不同，说话者模型 会输出一个紧凑的 语言象征框架（LSF）卡——一种“方言”，定义了符号、语法、可重用操作符、有效性规则和经验性概况。听者模型 随后解析并执行该方言。MDia 提供了创建、演化、分析、选择、路由和验证这些方言卡的完整生命周期，并保证严格的可复现性。

🎯 核心理念

概念	含义
方言卡（LSF）	持久化规范 `D = (V, G, O, R, ρ)` – 符号、语法、操作符、规则和数据驱动的概况。
说话者 → 听者	一个模型生成方言卡，另一个模型消费它。
效用是关系性的	方言的价值取决于说话者、听者、任务、路由策略和令牌预算。
确定性流水线	八个 CLI 阶段（`collect → create → evolve → profile → select → run → validate-rules → report`），在任何保留评估之前冻结证据。
构建即可复现	不可变的数据分区、内容衍生 ID、完整的令牌计数，以及一个无需任何外部 API 密钥即可运行的玩具离线示例。

⚙️ 主要特性（如 README 所述）

兼容黑盒 LLM – 与任何基于 API 的模型兼容；无需访问隐藏状态。
可重用的方言卡 – 版本化、哈希标识、可归档，便于后续重用。
路由策略 – single、aggregate、compose 和 abstain/raw-fallback 计划，尊重预算、风险和听者开放性。
基于规则的验证 – 100 条机器社会语言学规则的银行，每条规则均有证据等级（完整、强、未评估）。
跨异构模型的分析 – 捕获准确性、令牌成本、失败模式、公开性、教学优势等。
CLI 优先设计 – mdia 命令包含每个流水线阶段的子命令；--help 显示详细选项。
离线确定性演示 – examples/toy/ 提供固定用例，可在无任何 API 密钥的情况下本地运行整个生命周期。
详尽的文档 – 架构、流水线、规则验证、扩展指南，以及论文到代码的映射。
CI 与质量门禁 – 跨 Python 3.10–3.12 的测试、静态分析（ruff, mypy）、格式化和密钥扫描。

🚀 典型用例

场景	MDia 如何帮助
模型间通信研究	创建可重用的 LSF，进行演化，并测量不同模型家族如何从彼此的方言中获益。
高效推理	用紧凑的方言卡替代冗长的 CoT 跟踪，保留下游听者所需状态，生成令牌减少约 70%（论文报告）。
课程式教学	使用较弱的说话者生成“教学方言”，其他模型可高效率采用。
预算约束下的鲁棒路由	部署 `single` 或 `compose` 路由计划，在尊重令牌预算的同时避免听者已知抗拒的方言。
可审计的可复现性	在测试评估前冻结方言选择和路由决策，确保不从保留数据中泄露。

📦 安装（来自 README）

# 克隆仓库
git clone https://github.com/pzqpzq/LSF_MDia.git
cd LSF_MDia

# 创建虚拟环境（需 Python 3.10+）
python -m venv .venv
source .venv/bin/activate

# 以可编辑模式安装包（拉取所有依赖）
pip install -e .

玩具演示无需外部 API 密钥；真实运行需按 docs/extending.md 所述添加兼容的模型提供者适配器。

🏃‍♀️ 快速入门示例（来自 README）

# 运行确定性玩具流水线
mdia pipeline --config configs/toy_mdia.yaml

该命令创建一个版本化运行目录（runs/<run_id>/），包含：

原始追踪数据，
生成的方言卡，
演化和路由器验证概况，
冻结的方言库，
路由计划、预测、令牌计数和完整的可复现性报告。使用相同种子重新运行将完全复现相同结果。

📉 局限与范围（如所述或隐含）

仅限研究级 – 专为受控实验设计，非生产级服务堆栈。
基准特定的固定用例 – 离线演示使用小规模可再分发数据集；复现论文数字需精确模型版本和私有基准数据。
依赖黑盒 – MDia 假设底层 LLM 可通过标准 API 查询；不支持暴露内部状态的模型。
规则库保守 – 100 条规则中仅 19 条有强实证支持；其余标记为弱证据。
路由决策必须冻结 – 框架强制验证与测试分区严格分离，可能对快速原型设计感到受限。

📄 许可证

项目采用 MIT 许可证（见 LICENSE）。

📚 引用（来自 README）

若在出版物中使用 MDia，请引用配套的 ICML 2026 海报和 arXiv 预印本：

@inproceedings{mdia2026,
  title = {Machine Dialectology: from verbose reasoning traces to a measurable ecology of machine dialects},
  author = {…},
  booktitle = {Proceedings of the 2026 International Conference on Machine Learning (ICML)},
  year = {2026},
  url = {https://arxiv.org/abs/2606.29354},
  note = {Poster 61557}
}

（确切作者列表可从 arXiv 条目获取。）

🔗 接下来

阅读架构指南（docs/architecture.md）以了解如何实现新模型提供者。
探索规则系统（docs/rules.md）若想添加或修改社会语言学约束。
尝试玩具流水线 并检查生成的 report.md，查看溯源链接如何记录。
检查遗留工作区（legacy/）以获取 CLSR 框架的早期版本，如需历史背景。

MDia 是一个真正的开源研究平台，用于研究异构 LLM 代理之间的可重用符号协议。以上所有信息均直接取自仓库的 README。