Many probabilistic programming languages allow programs to be run under
constraints in order to carry out bayesian inference. Running programs under
constraints could enable other uses such as rare event simulati
通过创造性地利用进程、分叉、互斥和共享内存等标准操作系统功能,可以在任何编程语言中实现像顺序蒙特卡罗和粒子马尔科夫链蒙特卡罗这样的前向推理技术,我们定义了一个名为 Probabilistic C 的概率规划语言中间表示语言,它本身可以通过标准编译器编译成机器代码并链接到操作系统库中,生成一个高效、可扩展、可移植的概率规划编译目标,从而为优化概率规划系统打开了一条新的硬件和系统研究路径。