Fugu-MT 論文翻訳(概要): Identifying Bug Patterns in Quantum Programs

論文の概要: Identifying Bug Patterns in Quantum Programs

arxiv url: http://arxiv.org/abs/2103.09069v1
Date: Tue, 16 Mar 2021 13:43:45 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 23:31:01.406047
Title: Identifying Bug Patterns in Quantum Programs
Title（参考訳）: 量子プログラムにおけるバグパターンの同定
Authors: Pengzhan Zhao, Jianjun Zhao and Lei Ma
Abstract要約: バグパターンは間違ったコードイディオムや悪いコーディングプラクティスで、何度も失敗することが証明されています。本稿では,量子プログラミング言語Qiskitのバグパターンを特定し,分類する。
参考スコア（独自算出の注目度）: 4.282118876884235
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bug patterns are erroneous code idioms or bad coding practices that have been proved to fail time and time again, which are usually caused by the misunderstanding of a programming language's features, the use of erroneous design patterns, or simple mistakes sharing common behaviors. This paper identifies and categorizes some bug patterns in the quantum programming language Qiskit and briefly discusses how to eliminate or prevent those bug patterns. We take this research as the first step to provide an underlying basis for debugging and testing quantum programs.
Abstract（参考訳）: バグパターンは誤ったコードイディオムや悪いコーディングプラクティスであり、繰り返し失敗することが証明されているが、これは通常、プログラミング言語の機能の誤解、誤った設計パターンの使用、共通の振る舞いを共有する単純なミスによって引き起こされる。本稿では、量子プログラミング言語Qiskitのバグパターンを特定し、分類し、それらのバグパターンの排除や防止方法を簡潔に議論する。この研究は、量子プログラムのデバッグとテストの基礎となる基盤を提供するための第一歩だと考えています。

関連論文リスト

BugSpotter: Automated Generation of Code Debugging Exercises [22.204802715829615]
本稿では,問題記述からバグコードを生成するツールであるBugSpotterを紹介する。学生は失敗するテストケースを設計することでBugSpotterと対話する。
論文参考訳（メタデータ） (2024-11-21T16:56:33Z)
What is a "bug"? On subjectivity, epistemic power, and implications for software research [8.116831482130555]
バグ」は少なくとも1870年代からの工学的「欠陥」の口語である。現代のソフトウェア指向の定義のほとんどは、開発者が意図したものと、プログラムが実際に何をするかを区別するものである。バグをファインディングするのは簡単だ" と最初に言うのは,“バグパターンはしばしばエラーとなるコード”だ。
論文参考訳（メタデータ） (2024-02-13T01:52:42Z)
Q-PAC: Automated Detection of Quantum Bug-Fix Patterns [4.00671924018776]
量子ソフトウェアの品質向上のための研究課題(Q-Repair)を提案する。最終的な目標は、機械学習技術を使用して、既存の量子バグの修正パターンを自動的に予測することだ。本フレームワークでは,抽象構文木,構文フィルタ,意味チェックを用いた7つのバグフィックスパターン検出器を開発した。
論文参考訳（メタデータ） (2023-11-29T15:09:32Z)
Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。提案手法であるPremiseが実際によく動作することを示す。
論文参考訳（メタデータ） (2023-11-18T00:24:26Z)
Rule-Based Error Classification for Analyzing Differences in Frequent Errors [0.0]
我々は、95,631の符号対の誤りを分類し、オンラインの判定システムにおいて、様々なレベルのプログラマが提出した平均3.47の誤りを識別する。解析結果から, 初心者による誤りは, プログラミングの知識不足によるものであることがわかった。一方、専門家が犯した誤りは、問題を読むことの不注意や、通常とは異なる問題解決の課題に起因する誤解によるものである。
論文参考訳（メタデータ） (2023-11-01T13:36:20Z)
Explaining Software Bugs Leveraging Code Structures in Neural Machine Translation [5.079750706023254]
Bugsplainerは、バグ修正コミットの大規模なコーパスから学ぶことによって、ソフトウェアバグの自然言語説明を生成する。 3つのパフォーマンス指標を用いて評価したところ、BugsplainerはGoogleの標準に従って理解しやすく良い説明を生成できることがわかった。また、Bugsplainerによる説明がベースラインよりも正確で、より正確で、より有用であることが判明した、20人の参加者を対象にした開発者スタディも実施しました。
論文参考訳（メタデータ） (2022-12-08T22:19:45Z)
Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
論文参考訳（メタデータ） (2022-11-11T16:37:33Z)
Shortcomings of Question Answering Based Factuality Frameworks for Error Localization [51.01957350348377]
質問応答(QA)に基づく事実性指標は、生成した要約の誤り範囲を正しく識別できないことを示す。このようなローカライゼーションが不十分な理由として,QGモジュールが生成した質問は,非実数的な要約から誤りを継承することが多く,さらに下流モジュールに伝播する。本実験は,より強力なQAモデルとQGモデルでのみ修正できないQAフレームワークを用いた局所化に関する根本的な問題が存在することを確定的に示す。
論文参考訳（メタデータ） (2022-10-13T05:23:38Z)
Fault-Aware Neural Code Rankers [64.41888054066861]
サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-06-04T22:01:05Z)
Measuring Coding Challenge Competence With APPS [54.22600767666257]
コード生成のベンチマークであるAPPSを紹介する。私たちのベンチマークには1万の問題が含まれています。 GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
論文参考訳（メタデータ） (2021-05-20T17:58:42Z)
On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
論文参考訳（メタデータ） (2020-05-12T11:01:44Z)

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。