論文の概要: A Framework for Generating Diverse Haskell-IO Exercise Tasks

• arxiv url: http://arxiv.org/abs/2008.12751v2
• Date: Mon, 24 Jul 2023 09:26:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 16:08:13.552562
• Title: A Framework for Generating Diverse Haskell-IO Exercise Tasks
• Title（参考訳）: 多様なHaskell-IOエクササイズタスクを生成するフレームワーク
• Authors: Oliver Westphal
• Abstract要約: 本稿では,Haskell-I/Oプログラミングにおける様々なエクササイズタスクを自動的に生成するフレームワークの設計について述べる。 自動評価システムと組み合わせて自動タスク生成により、学生は必要に応じて多くのエクササイズタスクを実践できる。 タスク生成は、初期の作業で開発したI/O動作の仕様言語を中心にしています。
• 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: We present the design of a framework to automatically generate a large range of different exercise tasks on Haskell-I/O programming. Automatic task generation is useful in many different ways. Manual task creating is a time consuming process, so automating it saves valuable time for the educator. Together with an automated assessment system automatic task generation allows students to practice with as many exercise tasks as needed. Additionally, each student can be given a slightly different version of a task, reducing issues regarding plagiarism that arise naturally in an e-learning environment. Our task generation is centered around a specification language for I/O behavior that we developed in an earlier work. The task generation framework, an EDSL in Haskell, provides powerful primitives for the creation of various artifacts, including program code, from specifications. We will not go into detail on the technical realization of these primitives. This article instead showcases how such artifacts and the framework as a whole can be used to build exercise tasks templates that can then be (randomly) instantiated.
• Abstract（参考訳）: 本稿では,Haskell-I/Oプログラミングにおける多種多様なエクササイズタスクを自動的に生成するフレームワークの設計を提案する。 タスクの自動生成は多くの異なる方法で役立ちます。 手作業の作成は時間のかかるプロセスなので、自動化することで教育者にとって貴重な時間を節約できます。 自動評価システムと共に自動タスク生成により、学生は必要に応じて多くのエクササイズタスクを実践できる。 さらに、各生徒はタスクのわずかに異なるバージョンを与えられ、eラーニング環境で自然に発生する盗作に関する問題を軽減できる。 タスク生成は、初期の作業で開発したI/O動作の仕様言語を中心にしています。 HaskellのEDSLであるタスク生成フレームワークは、仕様からプログラムコードを含む様々なアーティファクトを作成するための強力なプリミティブを提供します。 これらのプリミティブの技術的実現については詳しくは述べない。 この記事では、そのようなアーティファクトとフレームワーク全体をいかにして(ランダムに)インスタンス化可能なエクササイズタスクテンプレートを構築することができるかを説明します。

関連論文リスト

• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• Fully Automated Task Management for Generation, Execution, and Evaluation: A Framework for Fetch-and-Carry Tasks with Natural Language Instructions in Continuous Space [1.2691047660244337]
  本稿では,視覚情報に基づくタスク実行を実現するためのフレームワークを開発することを目的とする。 本稿では,FCOGタスクの生成,実行,評価の完全自動化のためのフレームワークを提案する。 さらに、FCOGタスクを4つの異なるサブタスクに分割することで、FCOGタスクを解決する方法を提案する。
  論文  参考訳（メタデータ） (2023-11-07T15:38:09Z)
• Generalizable Long-Horizon Manipulations with Large Language Models [91.740084601715]
  本研究は,Large Language Models (LLMs) の機能を活用して,汎用可能な長距離操作のための原始的なタスク条件を生成するフレームワークを導入する。 我々は,Pybulletに基づくロボット操作タスクスイートを作成し,長期作業評価を行う。
  論文  参考訳（メタデータ） (2023-10-03T17:59:46Z)
• LARG, Language-based Automatic Reward and Goal Generation [8.404316955848602]
  テキストベースのタスク記述をそれに対応する報酬とゴール生成関数に変換するアプローチを開発する。 ロボット操作に対する我々のアプローチを評価し、スケーラブルな方法でポリシーを訓練および実行できることを実証する。
  論文  参考訳（メタデータ） (2023-06-19T14:52:39Z)
• ART: Automatic multi-step reasoning and tool-use for large language models [105.57550426609396]
  大規模言語モデル(LLM)は、数秒とゼロショットの設定で複雑な推論を行うことができる。 各推論ステップは、コアLLM機能を超えて計算をサポートする外部ツールに依存することができる。 プログラムとして中間推論ステップを自動生成するために凍結LDMを使用するフレームワークであるART(Automatic Reasoning and Tool-use)を導入する。
  論文  参考訳（メタデータ） (2023-03-16T01:04:45Z)
• Analysis and Prediction of NLP Models Via Task Embeddings [25.311690222754454]
  我々は101ドルのNLPタスクのコレクションであるMetaEvalを提案する。 学習した埋め込みを条件にしながら、単一のトランスフォーマーをすべてのMetaEvalタスクに共同で適合させます。 結果として生じるタスクの埋め込みは、タスクの空間の新たな分析を可能にする。
  論文  参考訳（メタデータ） (2021-12-10T16:23:24Z)
• Unified Multimodal Pre-training and Prompt-based Tuning for Vision-Language Understanding and Generation [86.26522210882699]
  視覚言語理解と生成のための統一型マルチモーダル事前学習を提案する。 提案したUniVLは、理解タスクと生成タスクの両方を扱うことができる。 実験の結果,同じモデルを用いた場合,理解タスクと生成タスクとの間にはトレードオフがあることが判明した。
  論文  参考訳（メタデータ） (2021-12-10T14:59:06Z)
• XtremeDistilTransformers: Task Transfer for Task-agnostic Distillation [80.18830380517753]
  我々は新しいタスク非依存蒸留フレームワーク XtremeDistilTransformers を開発した。 本研究は, 蒸留における複数のソースタスク, 拡張資源, モデルアーキテクチャの伝達可能性について検討する。
  論文  参考訳（メタデータ） (2021-06-08T17:49:33Z)
• SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine Teaching [81.45928589522032]
  トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。 タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。 実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
  論文  参考訳（メタデータ） (2020-05-11T17:58:34Z)

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。