論文の概要: Code Building Genetic Programming
- arxiv url: http://arxiv.org/abs/2008.03649v1
- Date: Sun, 9 Aug 2020 04:33:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 04:16:34.824481
- Title: Code Building Genetic Programming
- Title(参考訳): コード構築 遺伝的プログラミング
- Authors: Edward Pantridge, Lee Spector
- Abstract要約: 我々は、コード構築遺伝プログラミング(CBGP)を、これを実現するためのフレームワークとして紹介する。
CBGPは、ホスト言語のソースコードに実行または変換できる計算グラフを生成する。
- 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: In recent years the field of genetic programming has made significant
advances towards automatic programming. Research and development of
contemporary program synthesis methods, such as PushGP and Grammar Guided
Genetic Programming, can produce programs that solve problems typically
assigned in introductory academic settings. These problems focus on a narrow,
predetermined set of simple data structures, basic control flow patterns, and
primitive, non-overlapping data types (without, for example, inheritance or
composite types). Few, if any, genetic programming methods for program
synthesis have convincingly demonstrated the capability of synthesizing
programs that use arbitrary data types, data structures, and specifications
that are drawn from existing codebases. In this paper, we introduce Code
Building Genetic Programming (CBGP) as a framework within which this can be
done, by leveraging programming language features such as reflection and
first-class specifications. CBGP produces a computational graph that can be
executed or translated into source code of a host language. To demonstrate the
novel capabilities of CBGP, we present results on new benchmarks that use
non-primitive, polymorphic data types as well as some standard program
synthesis benchmarks.
- Abstract(参考訳): 近年、遺伝的プログラミングの分野は自動プログラミングに多大な進歩を遂げている。
pushgpやグラマーガイド遺伝的プログラミングのような現代のプログラム合成手法の研究と開発は、導入的な学術的な設定で典型的に割り当てられる問題を解決するプログラムを作成できる。
これらの問題は、単純なデータ構造、基本的な制御フローパターン、プリミティブで重複しないデータ型(継承や複合型などなしで)の狭いセットに焦点を当てている。
プログラム合成のための遺伝的プログラミング手法が、任意のデータ型、データ構造、および既存のコードベースから引き出された仕様を使用するプログラムを合成する能力を説得力のある形で実証した例はほとんどない。
本稿では,リフレクションやファーストクラス仕様などのプログラミング言語機能を活用することで,これを実現するためのフレームワークとしてcbgp(code building genetic programming)を提案する。
CBGPは、ホスト言語のソースコードに実行または変換できる計算グラフを生成する。
CBGPの新たな機能を示すために,非原始多型データ型といくつかの標準プログラム合成ベンチマークを用いた新しいベンチマーク結果を提案する。
関連論文リスト
- 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) - Solving Novel Program Synthesis Problems with Genetic Programming using
Parametric Polymorphism [0.0]
Code-build Genetic Programming (CBGP) は、スタックベースのコンパイルと形式型システムを用いて、線形ゲノムからタイプセーフなプログラムをコンパイルする。
CBGPは、これらの性質の全てで問題を解くことができ、そこでは、我々が知っている他のすべてのGP系が、これらの性質の問題を考慮できないような制限を持っている。
論文 参考訳(メタデータ) (2023-06-08T00:10:07Z) - HOTGP -- Higher-Order Typed Genetic Programming [0.0]
HOTGPは純粋、型付き、機能プログラムを合成する新しい遺伝的アルゴリズムである。
この文法はHaskellの標準ベースライブラリに基づいている。
論文 参考訳(メタデータ) (2023-04-06T16:23:34Z) - Planning with Large Language Models for Code Generation [100.07232672883897]
Planning-Guided Transformer Decoding (PG-TD) は、計画アルゴリズムを用いてルックアヘッド検索を行い、トランスフォーマーを誘導してより良いプログラムを生成する。
我々は、公開コーディングチャレンジベンチマークのバックボーンとして、いくつかの大きな言語モデルを用いて、我々のフレームワークを実証的に評価する。
論文 参考訳(メタデータ) (2023-03-09T18:59:47Z) - Data types as a more ergonomic frontend for Grammar-Guided Genetic
Programming [0.0]
本稿では,フレームワークのホスト言語に内在するドメイン特化言語として文法を組み込むことを提案する。
このアプローチはホスト言語型システムを使用しながらBNFやEBNFと同じ表現力を持つ。
木生成システムのユーザ定義オーバーライドであるメタハンドラーも提示する。
論文 参考訳(メタデータ) (2022-10-10T16:38:16Z) - Functional Code Building Genetic Programming [0.0]
Code Building Genetic Programming (CBGP)は、最近導入された汎用プログラム合成のためのGP法である。
関数型プログラミング言語とHendley-Milner型システムは,型安全性プログラムの進化に有効であることを示す。
論文 参考訳(メタデータ) (2022-06-09T15:22:33Z) - 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) - Type-driven Neural Programming by Example [0.0]
我々は、与えられた入力を与えられた出力にマッピングするプログラムを見つけることを目的とした、例によるプログラミング(PBE)について考察する。
本稿では,プログラム型をPBEのためのニューラルプログラム合成手法に組み込む方法を提案する。
論文 参考訳(メタデータ) (2020-08-28T12:30:05Z) - 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) - Synthetic Datasets for Neural Program Synthesis [66.20924952964117]
本稿では,プログラムと仕様の両方で合成データ分布のバイアスを制御し,評価するための新しい手法を提案する。
そこで我々は,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することが実証された。
論文 参考訳(メタデータ) (2019-12-27T21:28:10Z)
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。