論文の概要: Program Synthesis with Pragmatic Communication

• arxiv url: http://arxiv.org/abs/2007.05060v3
• Date: Wed, 21 Oct 2020 03:02:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 05:01:11.909149
• Title: Program Synthesis with Pragmatic Communication
• Title（参考訳）: 実用的コミュニケーションによるプログラム合成
• Authors: Yewen Pu, Kevin Ellis, Marta Kryven, Josh Tenenbaum, Armando Solar-Lezama
• Abstract要約: 本研究では,プログラム合成タスクを合理的なコミュニケーションとしてモデル化した新しい帰納的バイアスを導入する。 ユーザスタディでは、エンドユーザの参加者が、非実用的なプログラムシンセサイザーよりも、より効果的に、実践的なプログラムシンセサイザーと通信することを発見した。
• 参考スコア（独自算出の注目度）: 28.24612900419843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Program synthesis techniques construct or infer programs from user-provided specifications, such as input-output examples. Yet most specifications, especially those given by end-users, leave the synthesis problem radically ill-posed, because many programs may simultaneously satisfy the specification. Prior work resolves this ambiguity by using various inductive biases, such as a preference for simpler programs. This work introduces a new inductive bias derived by modeling the program synthesis task as rational communication, drawing insights from recursive reasoning models of pragmatics. Given a specification, we score a candidate program both on its consistency with the specification, and also whether a rational speaker would chose this particular specification to communicate that program. We develop efficient algorithms for such an approach when learning from input-output examples, and build a pragmatic program synthesizer over a simple grid-like layout domain. A user study finds that end-user participants communicate more effectively with the pragmatic program synthesizer over a non-pragmatic one.
• Abstract（参考訳）: プログラム合成技術は、入力出力例のようなユーザが提供する仕様からプログラムを構築または推論する。 しかし、ほとんどの仕様、特にエンドユーザによって与えられた仕様は、多くのプログラムが同時に仕様を満たすため、合成問題を根本的に悪用している。 先行研究は、単純プログラムの好みなど、様々な帰納バイアスを用いることで、この曖昧さを解決する。 本研究は,プログラム合成タスクを合理的なコミュニケーションとしてモデル化し,帰納的推論モデルから洞察を引き出す,新たな帰納的バイアスを提案する。 仕様が与えられた場合、我々は仕様との整合性と、そのプログラムを伝えるために有理話者がこの特定の仕様を選択するかどうかの両点から候補プログラムを採点する。 入力出力の例から学習する際,そのような手法の効率的なアルゴリズムを開発し,単純なグリッドライクなレイアウトドメイン上に実用的なプログラムシンセサイザーを構築する。 ユーザ研究によれば、エンドユーザー参加者は非プラグマティックなプログラムシンセサイザーよりも実用的プログラムシンセサイザーとより効果的に通信する。

関連論文リスト

• Generating Pragmatic Examples to Train Neural Program Synthesizers [20.819451354452085]
  優れたシンセサイザーは、与えられたサンプルセットと整合した多くのプログラムから意図したプログラムを選択する必要がある。 本稿では,ニューラルネットワークを用いた新しい検索手法を提案する。
  論文  参考訳（メタデータ） (2023-11-09T20:53:00Z)
• Efficient Pragmatic Program Synthesis with Informative Specifications [13.234975857626752]
  本研究では,プログラムの協調分布を独立要因の積で近似することにより,実用的かつ効率的なプログラムシンセサイザーを構築することができることを示す。 因子近似を仮定するシンセサイザーは, 人間の入力に対して正確な関節分布を仮定するシンセサイザーよりも優れていた。
  論文  参考訳（メタデータ） (2022-04-05T21:25:58Z)
• A Conversational Paradigm for Program Synthesis [110.94409515865867]
  本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。 私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。 本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
  論文  参考訳（メタデータ） (2022-03-25T06:55:15Z)
• Latent Execution for Neural Program Synthesis Beyond Domain-Specific Languages [97.58968222942173]
  入力出力の例からCプログラムを合成する第一歩を踏み出す。 特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。 これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T02:21:32Z)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• Latent Programmer: Discrete Latent Codes for Program Synthesis [56.37993487589351]
  プログラム合成や文書要約などの多くのシーケンス学習タスクにおいて、重要な問題は出力シーケンスの広い空間を探索することである。 本稿では,検索対象とする出力の表現を学習することを提案する。 本稿では,まず入力/出力サンプルから離散潜在コードを予測するプログラム合成手法であるemphLatent Programmerを紹介し,そのプログラムを対象言語で生成する。
  論文  参考訳（メタデータ） (2020-12-01T10:11:35Z)
• Optimal Neural Program Synthesis from Multimodal Specifications [45.35689345004124]
  マルチモーダルプログラム合成は、プログラム合成を挑戦的な設定に拡張する魅力的な方法である。 本稿では,ユーザが提供する制約を満たすプログラムを見つけることを目的とした,最適なニューラルシンセサイザー手法を提案する。
  論文  参考訳（メタデータ） (2020-10-04T20:51:21Z)
• Synthesize, Execute and Debug: Learning to Repair for Neural Program Synthesis [81.54148730967394]
  本稿では,合成,実行,デバッグの段階を組み込んだニューラルネットワーク生成フレームワークであるSEDを提案する。 SEDはまず、神経プログラムシンセサイザーコンポーネントを使用して初期プログラムを生成し、その後、神経プログラムデバッガを使用して生成されたプログラムを反復的に修復する。 挑戦的な入出力プログラム合成ベンチマークであるKarelでは、SEDはニューラルプログラムシンセサイザー自体のエラー率をかなりのマージンで削減し、デコードのための標準ビームサーチより優れている。
  論文  参考訳（メタデータ） (2020-07-16T04:15:47Z)

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。