論文の概要: Active Programming by Example with a Natural Language Prior

• arxiv url: http://arxiv.org/abs/2205.12422v1
• Date: Wed, 25 May 2022 00:35:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-28 22:25:46.123296
• Title: Active Programming by Example with a Natural Language Prior
• Title（参考訳）: 自然言語を先取りした例によるアクティブプログラミング
• Authors: Ruiqi Zhong, Charlie Snell, Dan Klein, Jason Eisner
• Abstract要約: 我々は,非プログラマが自然言語の発話を間接的にアノテートできる新しいフレームワークであるAPELを紹介した。 まずシードセマンティクスを実行して、候補プログラムのリストに先立ってプリミティブを生成します。 我々は、より可能性の高いプログラムが異なる出力を生成する傾向がある入力を合成し、どの出力が発話に適しているかをアノテータに尋ねる。
• 参考スコア（独自算出の注目度）: 52.72653656450807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce APEL, a new framework that enables non-programmers to indirectly annotate natural language utterances with executable meaning representations, such as SQL programs. Based on a natural language utterance, we first run a seed semantic parser to generate a prior over a list of candidate programs. To obtain information about which candidate is correct, we synthesize an input on which the more likely programs tend to produce different outputs, and ask an annotator which output is appropriate for the utterance. Hence, the annotator does not have to directly inspect the programs. To further reduce effort required from annotators, we aim to synthesize simple input databases that nonetheless have high information gain. With human annotators and Bayesian inference to handle annotation errors, we outperform Codex's top-1 performance (59%) and achieve the same accuracy as the original expert annotators (75%), by soliciting answers for each utterance on only 2 databases with an average of 9 records each. In contrast, it would be impractical to solicit outputs on the original 30K-record databases provided by SPIDER
• Abstract（参考訳）: 我々は、非プログラマがSQLプログラムのような実行可能な意味表現で自然言語の発話を間接的に注釈付けできる新しいフレームワークAPELを紹介する。 自然言語の発話に基づいて、まずシードセマンティックパーサを実行し、候補プログラムのリストよりも先に生成する。 どちらの候補が正しいかに関する情報を得るため、より可能性の高いプログラムが異なる出力を生成するであろう入力を合成し、その出力が発話に適した注釈器に問い合わせる。 したがって、アノテータはプログラムを直接検査する必要はない。 さらに,アノテータに必要な労力を削減するため,情報利得の高い単純な入力データベースを合成することを目指している。 注記エラーを処理するための人間の注釈子とベイズ推論では、codexのtop-1パフォーマンス(59%)を上回り、平均9レコードの2つのデータベースで各発話に対する回答を引用することで、オリジナルのエキスパート注釈子(75%)と同じ精度を達成する。 対照的に、SPIDERが提供する元の30Kレコードデータベースの出力を要求できない。

関連論文リスト

• Weakly Supervised Semantic Parsing with Execution-based Spurious Program Filtering [19.96076749160955]
  本稿では,プログラムの実行結果に基づくドメインに依存しないフィルタリング機構を提案する。 私たちはこれらの表現に対して多数決を行い、他のプログラムと大きく異なる意味を持つプログラムを特定し、フィルタリングします。
  論文  参考訳（メタデータ） (2023-11-02T11:45:40Z)
• GPT is becoming a Turing machine: Here are some ways to program it [16.169056235216576]
  GPT-3モデルはループを含むプログラムを実行するために起動可能であることを示す。 1つのタスクの例をカバーすることさえできないプロンプトが、アルゴリズム的な振る舞いをトリガーできることを示します。
  論文  参考訳（メタデータ） (2023-03-25T00:43:41Z)
• LEVER: Learning to Verify Language-to-Code Generation with Execution [64.36459105535]
  本稿では,プログラムの実行結果の検証を学習することで,言語からコードへの生成を改善するシンプルな手法であるLEVERを提案する。 具体的には、LLMからサンプリングされたプログラムが、自然言語入力、プログラム自体とその実行結果に基づいて正しいか否かを判定するために、検証者を訓練する。 LEVER はベースコード LLMs (4.6% から 10.9% まで) を継続的に改善し、それらすべてに対して新しい最先端の結果を得る。
  論文  参考訳（メタデータ） (2023-02-16T18:23:22Z)
• Hierarchical Programmatic Reinforcement Learning via Learning to Compose Programs [58.94569213396991]
  プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。 提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。 Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-30T14:50:46Z)
• UniRPG: Unified Discrete Reasoning over Table and Text as Program Generation [32.74302320558048]
  セマンティックパーシングに基づくアプローチであるUniRPGを提案する。 UniRPGは異種知識リソース、すなわち表とテキストをプログラム生成として統一的な個別推論を行う。 最先端の手法と比較して、非常に改善され、解釈可能性とスケーラビリティが向上します。
  論文  参考訳（メタデータ） (2022-10-15T10:17:52Z)
• 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)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)

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。