論文の概要: Quantifying the Impact on Software Complexity of Composable Inductive
Programming using Zoea
- arxiv url: http://arxiv.org/abs/2005.08211v1
- Date: Sun, 17 May 2020 10:44:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 05:51:20.975524
- Title: Quantifying the Impact on Software Complexity of Composable Inductive
Programming using Zoea
- Title(参考訳): zoeaを用いた構成可能インダクティブプログラミングのソフトウェア複雑性への影響の定量化
- Authors: Edward McDaid and Sarah McDaid
- Abstract要約: Zoeaプログラミング言語で実装された構成可能なインダクティブプログラミングは、ソフトウェア開発に対する単純な宣言的アプローチである。
本稿では,Zoeaや従来のプログラミング言語で実装された等価コードのソフトウェア複雑性を定量的に比較した結果について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Composable inductive programming as implemented in the Zoea programming
language is a simple declarative approach to software development. At the
language level it is evident that Zoea is significantly simpler than all
mainstream languages. However, until now we have only had anecdotal evidence
that software produced with Zoea is also simpler than equivalent software
produced with conventional languages. This paper presents the results of a
quantitative comparison of the software complexity of equivalent code
implemented in Zoea and also in a conventional programming language. The study
uses a varied set of programming tasks from a popular programming language
chrestomathy. Results are presented for relative program complexity using two
established metrics and also for relative program size. It was found that Zoea
programs are approximately 50% the complexity of equivalent programs in a
conventional language and on average equal in size. The results suggest that
current programming languages (as opposed to software requirements) are the
largest contributor to software complexity and that significant complexity
could be avoided through an inductive programming approach.
- Abstract(参考訳): Zoeaプログラミング言語で実装された構成可能なインダクティブプログラミングは、ソフトウェア開発に対する単純な宣言的アプローチである。
言語レベルでは、Zoeaはすべての主流言語よりもはるかに単純である。
しかし、これまでZoeaで作られたソフトウェアは、従来の言語で作られた同等のソフトウェアよりもシンプルである、という逸話的な証拠しかなかった。
本稿では,Zoeaや従来のプログラミング言語で実装された等価コードのソフトウェア複雑性を定量的に比較した結果について述べる。
この研究は、人気のあるプログラミング言語 chrestomathy の様々なプログラミングタスクを使用している。
2つの確立されたメトリクスと相対的なプログラムサイズを用いて、プログラムの複雑さに関する結果を示す。
Zoeaプログラムは、従来の言語における等価プログラムの複雑さのおよそ50%と、平均的に同じサイズであることが判明した。
その結果、現在のプログラミング言語は(ソフトウェア要件とは対照的に)ソフトウェア複雑性に最大の貢献者であり、帰納的プログラミングアプローチによってかなりの複雑さを回避できることが示唆された。
関連論文リスト
- Design of Chain-of-Thought in Math Problem Solving [8.582686316167973]
CoT (Chain-of-Thought) は数学の問題解決において重要な役割を担っている。
従来の自然言語CoTと,自己記述プログラム,コメント記述プログラム,非記述プログラムなど,さまざまなプログラムCoTを比較した。
プログラムCoTsは数学問題の解法において優れた効率性を持つことが多い。
論文 参考訳(メタデータ) (2023-09-20T04:17:28Z) - When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。
具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。
コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
論文 参考訳(メタデータ) (2023-08-29T17:22:39Z) - Understanding Programs by Exploiting (Fuzzing) Test Cases [26.8259045248779]
プログラムのより深い意味理解を実現するために,入力と出力/振る舞いの関係を学習に取り入れることを提案する。
コードの大部分の実行をトリガーするのに十分な入力を得るために,ファズテストを採用し,ファズチューニングを提案する。
提案手法の有効性は,コードクローン検出とコード分類を含む2つのプログラム理解タスクにおいて検証され,最先端技術よりも大きなマージンで優れている。
論文 参考訳(メタデータ) (2023-05-23T01:51:46Z) - LEVER: Learning to Verify Language-to-Code Generation with Execution [64.36459105535]
本稿では,プログラムの実行結果の検証を学習することで,言語からコードへの生成を改善するシンプルな手法であるLEVERを提案する。
具体的には、LLMからサンプリングされたプログラムが、自然言語入力、プログラム自体とその実行結果に基づいて正しいか否かを判定するために、検証者を訓練する。
LEVER はベースコード LLMs (4.6% から 10.9% まで) を継続的に改善し、それらすべてに対して新しい最先端の結果を得る。
論文 参考訳(メタデータ) (2023-02-16T18:23:22Z) - A Divide-Align-Conquer Strategy for Program Synthesis [5.7426444823028335]
本稿では,大規模プログラムの探索を複数の小さなプログラム合成問題に分割する例によって,構成セグメント化がプログラミングに応用可能であることを示す。
入力と出力における構成部品の構造的アライメントは、プログラム探索を導くのに使用されるペアワイズ対応に繋がる。
論文 参考訳(メタデータ) (2023-01-08T19:10:55Z) - Natural Language to Code Translation with Execution [82.52142893010563]
実行結果-プログラム選択のための最小ベイズリスク復号化。
そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
論文 参考訳(メタデータ) (2022-04-25T06:06:08Z) - Competition-Level Code Generation with AlphaCode [74.87216298566942]
より深い推論を必要とする問題に対する新しいソリューションを作成することができるコード生成システムであるAlphaCodeを紹介する。
Codeforcesプラットフォームにおける最近のプログラミングコンペティションのシミュレーション評価において、AlphaCodeは平均54.3%のランキングを達成した。
論文 参考訳(メタデータ) (2022-02-08T23:16:31Z) - Searching for More Efficient Dynamic Programs [61.79535031840558]
本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。
実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
論文 参考訳(メタデータ) (2021-09-14T20:52:55Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。