論文の概要: The Composability of Intermediate Values in Composable Inductive Programming

• arxiv url: http://arxiv.org/abs/2107.01621v1
• Date: Sun, 4 Jul 2021 13:17:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 14:51:17.474051
• Title: The Composability of Intermediate Values in Composable Inductive Programming
• Title（参考訳）: 構成可能インダクティブプログラミングにおける中間値の構成可能性
• Authors: Edward McDaid, Sarah McDaid
• Abstract要約: 中間値を含むメカニズムは、任意のサイズのソフトウェアを作成するために、コンポーザブル・インダクティブ・プログラミング(CIP)を可能にすると考えられている。 本稿では,プログラムのサイズ,中間値数,CIPを用いてプログラムを指定するテストケース数の関係について検討した。
• 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: It is believed that mechanisms including intermediate values enable composable inductive programming (CIP) to be used to produce software of any size. We present the results of a study that investigated the relationships between program size, the number of intermediate values and the number of test cases used to specify programs using CIP. In the study 96,000 programs of various sizes were randomly generated, decomposed into fragments and transformed into test cases. The test cases were then used to regenerate new versions of the original programs using Zoea. The results show linear relationships between the number of intermediate values and regenerated program size, and between the number of test cases and regenerated program size within the size range studied. In addition, as program size increases there is increasing scope for trading off the number of test cases against the number of intermediate values and vice versa.
• Abstract（参考訳）: 中間値を含むメカニズムは、任意のサイズのソフトウェアを作成するために、コンポーザブル・インダクティブ・プログラミング(CIP)を可能にすると考えられている。 本稿では,プログラムのサイズ,中間値数,CIPを用いてプログラムを指定するテストケース数の関係について検討した。 研究では、さまざまなサイズの96,000のプログラムがランダムに生成され、断片に分解され、テストケースに変換された。 テストケースはZoeaを使って元のプログラムの新バージョンを再生するために使用された。 その結果,中間値数と再生プログラムサイズ,およびテストケース数と再生プログラムサイズとの線形関係が検討された。 加えて、プログラムのサイズが増加するにつれて、テストケースの数を中間値の数と交換するスコープが増加し、その逆も増えている。

関連論文リスト

• Composable Interventions for Language Models [60.32695044723103]
  言語モデルのテストタイム介入は、事実の正確性を高め、有害な出力を軽減し、コストのかかる再トレーニングなしにモデルの効率を向上させる。 しかし、新しい手法の洪水にもかかわらず、様々な種類の介入が独立して発展している。 複数の介入が同じ言語モデルに与える影響を研究するためのフレームワークである構成可能な介入を導入する。
  論文  参考訳（メタデータ） (2024-07-09T01:17:44Z)
• Statistical investigations into the geometry and homology of random programs [0.2302001830524133]
  本稿では,チャットGPTから生成したランダムなPythonプログラム間の関係を幾何学的・トポロジ的に記述する方法について述べる。 本稿では,ChatGPT-4とTinyLlamaを画像処理に関する簡単な問題で比較する。 将来、我々のアプローチはプログラミング言語の構造に新たな洞察を与えるかもしれないと推測する。
  論文  参考訳（メタデータ） (2024-07-05T20:25:02Z)
• Evaluating the Efficacy of Foundational Models: Advancing Benchmarking Practices to Enhance Fine-Tuning Decision-Making [1.3812010983144802]
  本研究は,サイバーセキュリティ,医療,金融など多種多様な分野にわたる言語モデル(LLM)を評価する。 その結果,モデルサイズと推論に用いるプロンプトの種類は応答長と品質に大きく影響した。
  論文  参考訳（メタデータ） (2024-06-25T20:52:31Z)
• Turaco: Complexity-Guided Data Sampling for Training Neural Surrogates of Programs [14.940174578659603]
  本稿では,ニューラルネットワークに基づくプログラムのサロゲートをトレーニングするための,データセットのサンプリング手法を提案する。 まず,プログラムの入力空間の各領域からのサンプルデータの割合を,対応する実行パスのサロゲートを学習する複雑性に基づいて特徴付ける。 これらの結果を実世界のプログラムで評価し,複雑性誘導サンプリングが精度を実証的に向上させることを示した。
  論文  参考訳（メタデータ） (2023-09-21T01:59:20Z)
• Graph Neural Networks For Mapping Variables Between Programs -- Extended Version [0.0]
  両プログラムの抽象構文木(AST)に基づく2つのプログラム間の変数の集合をグラフニューラルネットワーク(GNN)を用いてマッピングする。 変数写像の強みを示すために,プログラム修復作業におけるこれらの写像のユースケースを3つ提示する。
  論文  参考訳（メタデータ） (2023-07-24T16:14:32Z)
• NAPG: Non-Autoregressive Program Generation for Hybrid Tabular-Textual Question Answering [52.10214317661547]
  現在の数値推論法はプログラムシーケンスを自己回帰的にデコードする。 プログラム生成の精度は、デコードステップがエラー伝搬によって展開されるにつれて急激に低下する。 本稿では,非自己回帰型プログラム生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-07T11:25:21Z)
• InvAASTCluster: On Applying Invariant-Based Program Clustering to Introductory Programming Assignments [0.0]
  InvAASTClusterは、プログラムクラスタリングの新しいアプローチである。 複数のプログラム実行で観察される動的に生成されたプログラム不変量を利用して、意味論的に等価なIPAをクラスタ化する。 以上の結果から,InvAASTClusterはクラスタリングベースのプログラム修復ツールで使用されている場合,現在の最先端技術に進歩することが示された。
  論文  参考訳（メタデータ） (2022-06-28T17:42:28Z)
• 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)
• Learning from Self-Sampled Correct and Partially-Correct Programs [96.66452896657991]
  そこで本研究では,モデルが学習中にサンプリングを行い,自己サンプリングされた完全正当プログラムと部分正当プログラムの両方から学習することを提案する。 自己サンプリング型プログラムと部分修正型プログラムを併用することで,学習とサンプリングプロセスのガイドに役立てることができることを示す。 提案手法は,MLEを用いた単一の参照プログラムからの学習と比較して,パス@kの性能を3.1%から12.3%向上させる。
  論文  参考訳（メタデータ） (2022-05-28T03:31:07Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)
• Phase Transition Behavior in Knowledge Compilation [52.68422776053012]
  知識コンパイルの文脈におけるランダムk-CNF式のサイズとコンパイル時の挙動について検討する。 我々の研究は、SAT/CSPの相転移挙動に関するCSPコミュニティの初期の研究と精神的に類似している。
  論文  参考訳（メタデータ） (2020-07-20T18:36:27Z)

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。