論文の概要: Gradient Descent over Metagrammars for Syntax-Guided Synthesis

• arxiv url: http://arxiv.org/abs/2007.06677v2
• Date: Thu, 16 Jul 2020 18:31:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 23:33:03.678002
• Title: Gradient Descent over Metagrammars for Syntax-Guided Synthesis
• Title（参考訳）: 構文誘導合成のためのメタグラム上のグラディエントDescent
• Authors: Nicolas Chan, Elizabeth Polgreen and Sanjit A. Seshia
• Abstract要約: 文法を構築するためのルールセット、メタ文法を構築します。 より多くのベンチマークを解き、平均的に高速なメタ文法を見つけることを目指している。 CVC4は300秒のタイムアウトでデフォルトの文法よりも26%多くのベンチマークを解くことができることを示す。
• 参考スコア（独自算出の注目度）: 6.022036788651132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The performance of a syntax-guided synthesis algorithm is highly dependent on the provision of a good syntactic template, or grammar. Provision of such a template is often left to the user to do manually, though in the absence of such a grammar, state-of-the-art solvers will provide their own default grammar, which is dependent on the signature of the target program to be sythesized. In this work, we speculate this default grammar could be improved upon substantially. We build sets of rules, or metagrammars, for constructing grammars, and perform a gradient descent over these metagrammars aiming to find a metagrammar which solves more benchmarks and on average faster. We show the resulting metagrammar enables CVC4 to solve 26% more benchmarks than the default grammar within a 300s time-out, and that metagrammars learnt from tens of benchmarks generalize to performance on 100s of benchmarks.
• Abstract（参考訳）: 構文誘導合成アルゴリズムの性能は、優れた構文テンプレート、あるいは文法の提供に大きく依存する。 このようなテンプレートのプロビジョニングは手作業で行なわなければならないことが多いが、そのような文法がなければ、最先端のソルバは、ターゲットプログラムのシグネチャに依存する独自のデフォルト文法を提供することになる。 この作業では、このデフォルト文法が大幅に改善される可能性があると推測する。 文法を構築するための一連のルール(メタグラムマー)を構築し、これらのメタグラムマーに対して勾配降下を実行し、より多くのベンチマークと平均を高速化するメタグラムマーを見つける。 その結果, CVC4は300sタイムアウトでデフォルトの文法よりも26%多くのベンチマークを解くことができ, メタ文法は数十のベンチマークから学習し, 100のベンチマークで性能を一般化することを示した。

関連論文リスト

• Ungrammatical-syntax-based In-context Example Selection for Grammatical Error Correction [8.655807096424732]
  本稿では,文法的誤り訂正のための非文法的シンタクスに基づく文内例選択手法を提案する。 具体的には,多種多様なアルゴリズムを用いた構文構造に基づいて文の類似度を測定し,テスト入力に最もよく似た不規則な構文を共有する最適なICL例を同定する。
  論文  参考訳（メタデータ） (2024-03-28T10:05:57Z)
• Supporting Meta-model-based Language Evolution and Rapid Prototyping with Automated Grammar Optimization [0.7812210699650152]
  本稿ではメタモデルに基づく言語進化の文脈で生成された文法を最適化するアプローチであるGrammarrを提案する。 G文法最適化規則は, 生成文法と既存文法の比較から抽出された。
  論文  参考訳（メタデータ） (2024-01-30T18:03:45Z)
• Compositional Program Generation for Few-Shot Systematic Generalization [59.57656559816271]
  コンポジションプログラムジェネレータ(CPG)と呼ばれるニューロシンボリックアーキテクチャに関する研究 CPGには3つの重要な特徴がある: 文法規則の形で、テキストモジュラリティ、テキストコンポジション、テキストタストラクションである。 SCAN と COGS のベンチマークでは,SCAN の14例と COGS の22例を使用して,完全な一般化を実現している。
  論文  参考訳（メタデータ） (2023-09-28T14:33:20Z)
• Genetic Algorithms for Searching a Matrix of Metagrammars for Synthesis [19.044613696320628]
  構文誘導合成(syntax-guided synthesis)は、文法の形で構文テンプレートによって候補解の探索空間が制約されるパラダイムである。 本研究では,ルールの行列として構文テンプレートの空間をモデル化し,この行列を学習データを用いて効率的に探索する方法を実証する。
  論文  参考訳（メタデータ） (2023-06-01T10:22:22Z)
• BenchCLAMP: A Benchmark for Evaluating Language Models on Syntactic and Semantic Parsing [55.058258437125524]
  本稿では,制約付きLanguage Model Parsingを評価するベンチマークであるBenchCLAMPを紹介する。 APIを通じてのみ利用可能な2つのGPT-3変種を含む8つの言語モデルをベンチマークする。 実験により,エンコーダ-デコーダ事前学習言語モデルでは,モデル出力が有効であると制約された場合に,構文解析や意味解析の最先端手法を超えることができることがわかった。
  論文  参考訳（メタデータ） (2022-06-21T18:34:11Z)
• Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
  手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。 HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。 本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-03-03T09:57:19Z)
• A Syntax-Guided Grammatical Error Correction Model with Dependency Tree Correction [83.14159143179269]
  文法的誤り訂正(英: Grammatical Error Correction, GEC)は、文中の文法的誤りを検出し、訂正するタスクである。 本稿では,依存木の構文知識を利用するためのグラフアテンション機構を採用した構文誘導型GECモデル(SG-GEC)を提案する。 我々は、GECタスクの公開ベンチマークでモデルを評価し、競争結果を得る。
  論文  参考訳（メタデータ） (2021-11-05T07:07:48Z)
• On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
  我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。 改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。 我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
  論文  参考訳（メタデータ） (2021-10-15T21:41:16Z)
• Rule Augmented Unsupervised Constituency Parsing [11.775897250472116]
  本稿では,構文規則の形で存在する言語について,非常に汎用的な言語知識を活用するアプローチを提案する。 MNLIとWSJという2つのベンチマークデータセットで、最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2021-05-21T08:06:11Z)
• VLGrammar: Grounded Grammar Induction of Vision and Language [86.88273769411428]
  共同学習枠組みにおける視覚と言語の基底文法誘導について検討する。 本稿では,複合確率文脈自由文法(pcfgs)を用いて言語文法と画像文法を同時に誘導する手法であるvlgrammarを提案する。
  論文  参考訳（メタデータ） (2021-03-24T04:05:08Z)
• Traduction des Grammaires Cat\'egorielles de Lambek dans les Grammaires Cat\'egorielles Abstraites [0.0]
  このインターンシップレポートは、すべてのランベク文法が抽象カテゴリー文法(ACG)で完全にではなく効率的に表現できることを示すものである。 主な考え方は、LGの型書き換えシステムを文脈自由文法(CFG)に変換し、導入規則と除去規則を消去し、カット規則が十分であるように十分な公理を生成することである。 基礎となるアルゴリズムは完全には実装されなかったが、この証明は自然言語処理におけるACGの関連性を支持する別の議論を提供する。
  論文  参考訳（メタデータ） (2020-01-23T18:23:03Z)

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。