Fugu-MT 論文翻訳(概要): Learning C to x86 Translation: An Experiment in Neural Compilation

論文の概要: Learning C to x86 Translation: An Experiment in Neural Compilation

arxiv url: http://arxiv.org/abs/2108.07639v1
Date: Tue, 17 Aug 2021 14:11:15 GMT
ステータス: 処理完了
システム内更新日: 2021-08-18 13:11:40.151260
Title: Learning C to x86 Translation: An Experiment in Neural Compilation
Title（参考訳）: cからx86への翻訳の学習: ニューラルコンパイルの実験
Authors: Jordi Armengol-Estap\'e, Michael F.P. O'Boyle
Abstract要約: コードからコードへのニューラルモデルは、コード翻訳、コード修正、逆コンパイルに使われている。本研究では、Cコードからx86アセンブラを生成する方法を学ぶために、ニューラルネットワークのコンパイル、構築、評価を行う。
参考スコア（独自算出の注目度）: 3.997680012976965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning has had a significant impact on many fields. Recently, code-to-code neural models have been used in code translation, code refinement and decompilation. However, the question of whether these models can automate compilation has yet to be investigated. In this work, we explore neural compilation, building and evaluating Transformer models that learn how to produce x86 assembler from C code. Although preliminary results are relatively weak, we make our data, models and code publicly available to encourage further research in this area.
Abstract（参考訳）: ディープラーニングは多くの分野に大きな影響を与えた。近年、コード間ニューラルモデルは、コード翻訳、コード修正、逆コンパイルに使われている。しかし、これらのモデルがコンパイルを自動化できるかという疑問はまだ調査されていない。本研究では,Cコードからx86アセンブラを生成する方法を学ぶトランスフォーマーモデルの構築と評価を行う。予備結果は比較的弱いが、この分野のさらなる研究を促進するために、我々のデータ、モデル、コードを公開する。

関連論文リスト

Does Your Neural Code Completion Model Use My Code? A Membership Inference Approach [66.51005288743153]
本稿では,現在のニューラルコード補完モデルの法的および倫理的問題について考察する。私たちは、もともと分類タスクのために作られたメンバシップ推論アプローチ(CodeMIと呼ばれる)を調整します。我々は,この適応型アプローチの有効性を,多種多様なニューラルコード補完モデルで評価した。
論文参考訳（メタデータ） (2024-04-22T15:54:53Z)
A Static Evaluation of Code Completion by Large Language Models [65.18008807383816]
単純なプログラミング問題に対するモデル生成コードの機能的正当性を評価するために,実行ベースベンチマークが提案されている。プログラムを実行せずにエラーを検出するlinterのような静的解析ツールは、コード生成モデルを評価するために十分に研究されていない。抽象構文木を利用して,Pythonのコード補完における静的エラーを定量化する静的評価フレームワークを提案する。
論文参考訳（メタデータ） (2023-06-05T19:23:34Z)
CodeGen2: Lessons for Training LLMs on Programming and Natural Languages [116.74407069443895]
我々はエンコーダとデコーダベースのモデルを単一のプレフィックスLMに統一する。学習方法は,「フリーランチ」仮説の主張を考察する。データ配信においては,混合分布と多言語学習がモデル性能に及ぼす影響について検討した。
論文参考訳（メタデータ） (2023-05-03T17:55:25Z)
Enriching Source Code with Contextual Data for Code Completion Models: An Empirical Study [4.438873396405334]
コンテクストデータを用いてコードを理解しやすくすることで、コード補完作業のための事前学習された言語モデルの性能が向上するかどうかを問う。コメントについては、マルチラインコメントの存在下でモデルの性能が向上していることが分かる。
論文参考訳（メタデータ） (2023-04-24T17:09:14Z)
Toward a Theory of Causation for Interpreting Neural Code Models [49.906221295459275]
本稿では,ニューラルコードモデル(NCM)に特化したポストホック解釈法である$do_code$を紹介する。 $do_code$は、言語指向の説明を可能にする因果推論に基づいている。その結果,NCMはコード構文の変化に敏感であることが判明した。
論文参考訳（メタデータ） (2023-02-07T22:56:58Z)
Python Code Generation by Asking Clarification Questions [57.63906360576212]
本稿では,この課題に対して,より斬新で現実的なセットアップを導入する。我々は、自然言語記述の過小評価は、明確化を問うことで解決できると仮定する。我々は、生成した合成明確化質問と回答を含む自然言語記述とコードのペアを含む、CodeClarQAという新しいデータセットを収集し、導入する。
論文参考訳（メタデータ） (2022-12-19T22:08:36Z)
Beyond the C: Retargetable Decompilation using Neural Machine Translation [5.734661402742406]
我々は,新しい言語に容易に再ターゲティング可能なプロトタイプ・デコンパイラを開発した。トークン化やトレーニングデータ選択などのパラメータが逆コンパイルの品質に与える影響について検討する。トレーニングデータ、トレーニングされた逆コンパイルモデル、そして将来の言語に依存しない逆コンパイルの研究を促進するためのコードをリリースします。
論文参考訳（メタデータ） (2022-12-17T20:45:59Z)
Contrastive Learning for Source Code with Structural and Functional Properties [66.10710134948478]
本稿では,ソースコードの特徴に基づいて事前学習に焦点を当てた,新たな自己教師型モデルBOOSTを提案する。私たちは、機能的に等価なコードを生成する自動化された構造誘導型コード変換アルゴリズムを採用しています。私たちは、対照的な学習目標を通じて、機能的に等価なコードをより近く、異なるコードに近づける方法で、モデルをトレーニングします。
論文参考訳（メタデータ） (2021-10-08T02:56:43Z)
BERT2Code: Can Pretrained Language Models be Leveraged for Code Search? [0.7953229555481884]
我々は,本モデルが埋め込み空間と改良のスコープに対するさらなるプローブの間に固有の関係を学習することを示す。本稿では,コード埋め込みモデルの品質が,我々のモデルの性能のボトルネックであることを示す。
論文参考訳（メタデータ） (2021-04-16T10:28:27Z)
Project-Level Encoding for Neural Source Code Summarization of Subroutines [6.939768185086755]
コード要約のモデルを改善するプロジェクトレベルのエンコーダを提案する。我々はこの表現を用いて、最先端のニューラルネットワーク要約技術のエンコーダを強化する。
論文参考訳（メタデータ） (2021-03-22T06:01:07Z)

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。