論文の概要: Example-based Synthesis of Static Analysis Rules
- arxiv url: http://arxiv.org/abs/2204.08643v1
- Date: Tue, 19 Apr 2022 03:56:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 14:42:25.294220
- Title: Example-based Synthesis of Static Analysis Rules
- Title(参考訳): 静的解析規則の例に基づく合成
- Authors: Pranav Garg and Srinivasan Sengamedu SHS
- Abstract要約: 静的解析ツールはいくつかのコード品質の問題に対してルールを持ち、これらのルールは専門家が手動で作成する。
規則合成問題を,符号のグラフ表現上の一階述語論理式として定式化する。
線形計画法に基づくグラフアライメントに基づく新しい合成アルゴリズムRho Synthを提案する。
- 参考スコア(独自算出の注目度): 1.52292571922932
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Static Analysis tools have rules for several code quality issues and these
rules are created by experts manually. In this paper, we address the problem of
automatic synthesis of code quality rules from examples. We formulate the rule
synthesis problem as synthesizing first order logic formulas over graph
representations of code. We present a new synthesis algorithm RhoSynth that is
based on Integer Linear Programming-based graph alignment for identifying code
elements of interest to the rule. We bootstrap RhoSynth by leveraging code
changes made by developers as the source of positive and negative examples. We
also address rule refinement in which the rules are incrementally improved with
additional user-provided examples. We validate RhoSynth by synthesizing more
than 30 Java code quality rules. These rules have been deployed as part of a
code review system in a company and their precision exceeds 75% based on
developer feedback collected during live code-reviews. Through comparisons with
recent baselines, we show that current state-of-the-art program synthesis
approaches are unable to synthesize most of these rules.
- Abstract(参考訳): 静的解析ツールはいくつかのコード品質の問題に対してルールを持ち、これらのルールは専門家が手動で作成する。
本稿では,サンプルからコード品質ルールを自動合成する問題に対処する。
ルール合成問題を,コードのグラフ表現上の一階述語論理式を合成するものとして定式化する。
本稿では,整数線形計画に基づくグラフアライメントに基づく新しい合成アルゴリズムrhosynthを提案する。
rhosynthをブートストラップして、開発者のコード変更をポジティブな例とネガティブな例のソースとして活用します。
また、ルールを段階的に改善するルール改善についても、ユーザが提供する追加例で対処する。
RhoSynthは30以上のJavaコード品質ルールを合成することで検証します。
これらのルールは、企業のコードレビューシステムの一部としてデプロイされ、その精度は、ライブコードレビュー中に収集された開発者フィードバックに基づいて75%を超えている。
近年のベースラインとの比較により,現状のプログラム合成手法ではこれらの規則のほとんどを合成できないことを示す。
関連論文リスト
- Guiding Enumerative Program Synthesis with Large Language Models [17.420727709895736]
本稿では,形式的合成ベンチマークを解くための大規模言語モデルの能力を評価する。
ワンショット合成が失敗すると,新しい列挙合成アルゴリズムを提案する。
形式的合成のためのスタンドアロンツールとしてGPT-3.5は,最先端の形式的合成アルゴリズムにより容易に性能が向上することがわかった。
論文 参考訳(メタデータ) (2024-03-06T19:13:53Z) - Re-evaluating Retrosynthesis Algorithms with Syntheseus [14.82497597573977]
本稿では,デフォルトでベストプラクティスを促進するSyntheseusというベンチマークライブラリを提案する。
評価を行った結果,最先端モデルのランク付けが変化していることが判明した。
論文 参考訳(メタデータ) (2023-10-30T17:59:04Z) - ExeDec: Execution Decomposition for Compositional Generalization in
Neural Program Synthesis [59.356261137313275]
プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。
次に,ExeDecを提案する。ExeDecは,実行サブゴールを予測して問題を段階的に解決する,新しい分解ベースの戦略である。
論文 参考訳(メタデータ) (2023-07-26T01:07:52Z) - Outline, Then Details: Syntactically Guided Coarse-To-Fine Code
Generation [61.50286000143233]
ChainCoderは、Pythonコードを段階的に生成するプログラム合成言語モデルである。
自然言語記述と構文的に整合したI/Oデータサンプルを共同で符号化するために、カスタマイズされたトランスフォーマーアーキテクチャを利用する。
論文 参考訳(メタデータ) (2023-04-28T01:47:09Z) - A Syntax-Guided Multi-Task Learning Approach for Turducken-Style Code
Generation [19.489202790935902]
本稿では,構文誘導型マルチタスク学習手法TurduckenGenを提案する。
具体的には、まず最初に型情報をコードトークンに明示的に付加し、構文制約の表現をキャプチャします。
次に,構文制約表現を用いたコード生成を補助タスクとして形式化し,モデルの構文制約学習を可能にする。
論文 参考訳(メタデータ) (2023-03-09T06:22:07Z) - Soft-Labeled Contrastive Pre-training for Function-level Code
Representation [127.71430696347174]
textbfSoft-labeled contrastive pre-training framework with two positive sample construction method。
大規模コードコーパスにおけるコード間の関連性を考慮すると、ソフトラベル付きコントラスト付き事前学習は、きめ細かいソフトラベルを得ることができる。
SCodeRは、7つのデータセットで4つのコード関連タスクに対して、最先端のパフォーマンスを新たに達成する。
論文 参考訳(メタデータ) (2022-10-18T05:17:37Z) - InCoder: A Generative Model for Code Infilling and Synthesis [88.46061996766348]
InCoderは、プログラム合成(左から右への生成)と編集(埋め込み)が可能な統合生成モデルである。
InCoderは、許可されたコードの大きなコーパスからコードファイルを生成するように訓練されている。
私たちのモデルは、ゼロショットコードの埋め込みを直接実行できる最初の生成モデルです。
論文 参考訳(メタデータ) (2022-04-12T16:25:26Z) - Deep Just-In-Time Inconsistency Detection Between Comments and Source
Code [51.00904399653609]
本稿では,コード本体の変更によりコメントが矛盾するかどうかを検出することを目的とする。
私たちは、コメントとコードの変更を関連付けるディープラーニングアプローチを開発しています。
より包括的な自動コメント更新システムを構築するために,コメント更新モデルと組み合わせて提案手法の有用性を示す。
論文 参考訳(メタデータ) (2020-10-04T16:49:28Z) - Towards Learning Instantiated Logical Rules from Knowledge Graphs [20.251630903853016]
本稿では,知識グラフから一階述語論理規則を抽出するために最適化された確率論的学習ルールGPFLを提案する。
GPFLは、抽出された経路を非循環的な抽象規則であるテンプレートに一般化する新しい2段階ルール生成機構を利用する。
オーバーフィッティングルールの存在、予測性能への影響、およびオーバーフィッティングルールをフィルタリングする単純なバリデーション手法の有効性を明らかにする。
論文 参考訳(メタデータ) (2020-03-13T00:32:46Z) - Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。
本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2020-01-06T05:36:57Z)
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。