論文の概要: Efficient Pragmatic Program Synthesis with Informative Specifications

• arxiv url: http://arxiv.org/abs/2204.02495v1
• Date: Tue, 5 Apr 2022 21:25:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-07 14:13:56.441229
• Title: Efficient Pragmatic Program Synthesis with Informative Specifications
• Title（参考訳）: 情報仕様を用いた効率的な実用プログラム合成
• Authors: Saujas Vaduguru, Kevin Ellis, Yewen Pu
• Abstract要約: 本研究では,プログラムの協調分布を独立要因の積で近似することにより,実用的かつ効率的なプログラムシンセサイザーを構築することができることを示す。 因子近似を仮定するシンセサイザーは, 人間の入力に対して正確な関節分布を仮定するシンセサイザーよりも優れていた。
• 参考スコア（独自算出の注目度）: 13.234975857626752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing examples is one of the most common way for end-users to interact with program synthesizers. However, program synthesis systems assume that examples consistent with the program are chosen at random, and do not exploit the fact that users choose examples pragmatically. Prior work modeled program synthesis as pragmatic communication, but required an inefficient enumeration of the entire program space. In this paper, we show that it is possible to build a program synthesizer that is both pragmatic and efficient by approximating the joint distribution of programs with a product of independent factors, and performing pragmatic inference on each factor separately. This factored distribution approximates the exact joint distribution well when the examples are given pragmatically, and is compatible with a basic neuro-symbolic program synthesis algorithm. Surprisingly, we find that the synthesizer assuming a factored approximation performs better than a synthesizer assuming an exact joint distribution when evaluated on natural human inputs. This suggests that humans may be assuming a factored distribution while communicating programs.
• Abstract（参考訳）: サンプルを提供することは、エンドユーザがプログラムシンセサイザーと対話する最も一般的な方法の1つである。 しかし、プログラム合成システムは、プログラムに一貫性のある例がランダムに選択されていると仮定し、ユーザが実際に例を選択するという事実を活用しない。 以前はプログラム合成を実用的コミュニケーションとしてモデル化していたが、プログラム空間全体の非効率な列挙が必要であった。 本稿では,個別要因の積とプログラムの結合分布を近似し,各因子を個別に実用的推論することにより,実用的かつ効率的なプログラムシンセサイザを構築することが可能であることを示す。 この因子分布は、実例が実用的に与えられるときの正確な関節分布をよく近似し、基本的ニューロシンボリックプログラム合成アルゴリズムと互換性がある。 意外なことに、因子近似を仮定する合成器は、自然な人間の入力に対して正確な関節分布を仮定する合成器よりも優れていた。 これは、人間がプログラムを通信しながら因子分布を仮定している可能性を示唆している。

関連論文リスト

• Generating Pragmatic Examples to Train Neural Program Synthesizers [20.819451354452085]
  優れたシンセサイザーは、与えられたサンプルセットと整合した多くのプログラムから意図したプログラムを選択する必要がある。 本稿では,ニューラルネットワークを用いた新しい検索手法を提案する。
  論文  参考訳（メタデータ） (2023-11-09T20:53:00Z)
• Amortizing Pragmatic Program Synthesis with Rankings [19.070549715732483]
  プログラム合成において、インテリジェントシステムはユーザ生成例の集合を取り込み、これらの例と論理的に整合したプログラムを返す。 合理的音声法(RSA)フレームワークの使用は、プログラムシンセサイザーの構築に成功している。 この研究は、すべての仮説を単一の全順序で順序付けする言語的プラグマティックランキングを活用することにより、RSAアルゴリズムを再生する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T20:12:01Z)
• 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)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• Latent Programmer: Discrete Latent Codes for Program Synthesis [56.37993487589351]
  プログラム合成や文書要約などの多くのシーケンス学習タスクにおいて、重要な問題は出力シーケンスの広い空間を探索することである。 本稿では,検索対象とする出力の表現を学習することを提案する。 本稿では,まず入力/出力サンプルから離散潜在コードを予測するプログラム合成手法であるemphLatent Programmerを紹介し,そのプログラムを対象言語で生成する。
  論文  参考訳（メタデータ） (2020-12-01T10:11:35Z)
• Optimal Neural Program Synthesis from Multimodal Specifications [45.35689345004124]
  マルチモーダルプログラム合成は、プログラム合成を挑戦的な設定に拡張する魅力的な方法である。 本稿では,ユーザが提供する制約を満たすプログラムを見つけることを目的とした,最適なニューラルシンセサイザー手法を提案する。
  論文  参考訳（メタデータ） (2020-10-04T20:51:21Z)
• 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)
• Program Synthesis with Pragmatic Communication [28.24612900419843]
  本研究では,プログラム合成タスクを合理的なコミュニケーションとしてモデル化した新しい帰納的バイアスを導入する。 ユーザスタディでは、エンドユーザの参加者が、非実用的なプログラムシンセサイザーよりも、より効果的に、実践的なプログラムシンセサイザーと通信することを発見した。
  論文  参考訳（メタデータ） (2020-07-09T20:55:44Z)
• Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
  いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。 本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
  論文  参考訳（メタデータ） (2020-03-23T18:34:15Z)

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。