論文の概要: Predicting Participants' Performance in Programming Contests using Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2302.05602v1
• Date: Sat, 11 Feb 2023 04:53:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 19:38:20.066978
• Title: Predicting Participants' Performance in Programming Contests using Deep Learning Techniques
• Title（参考訳）: 深層学習手法を用いたプログラミングコンテストにおける参加者のパフォーマンス予測
• Authors: Md Mahbubur Rahman, Badhan Chandra Das, Al Amin Biswas, Md. Musfique Anwar
• Abstract要約: 本稿では,今後の競技における特定の競技者のパフォーマンスを予測し,その競技後の評価を,その競技者の実践と過去の競技者のパフォーマンスに基づいて予測する枠組みを提案する。
• 参考スコア（独自算出の注目度）: 3.5453687085580308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent days, the number of technology enthusiasts is increasing day by day with the prevalence of technological products and easy access to the internet. Similarly, the amount of people working behind this rapid development is rising tremendously. Computer programmers consist of a large portion of those tech-savvy people. Codeforces, an online programming and contest hosting platform used by many competitive programmers worldwide. It is regarded as one of the most standardized platforms for practicing programming problems and participate in programming contests. In this research, we propose a framework that predicts the performance of any particular contestant in the upcoming competitions as well as predicts the rating after that contest based on their practice and the performance of their previous contests.
• Abstract（参考訳）: 近年は、技術製品の普及とインターネットへのアクセスの容易化により、テクノロジー愛好家が日々増えている。 同様に、この急速な開発に携わる人々の数は大幅に増加している。 コンピュータプログラマーは、テクノロジーに精通した人々の大部分から成り立っている。 codeforcesはオンラインプログラミングとコンテストのホスティングプラットフォームで、世界中の多くのプログラマが使っている。 プログラミング問題を実践し、プログラミングコンテストに参加するための最も標準化されたプラットフォームの一つと見なされている。 本研究では,今後の競技における特定の競技者のパフォーマンスを予測し,その競技後の評価を,競技者の実践と過去の競技者のパフォーマンスに基づいて予測する枠組みを提案する。

関連論文リスト

• Are Large Language Models a Threat to Programming Platforms? An Exploratory Study [2.304914644824781]
  大規模言語モデル(LLM)は、様々な困難を伴う多様なプログラミング課題に対処する。 本研究では,様々な難易度を持つプラットフォーム間の多様なプログラミング課題にLLMが取り組む能力について検討する。 私たちはLeetCodeから98の問題、Codeforcesから126の問題を15のカテゴリでテストしました。
  論文  参考訳（メタデータ） (2024-09-09T17:30:20Z)
• The Impact of Generative AI-Powered Code Generation Tools on Software Engineer Hiring: Recruiters' Experiences, Perceptions, and Strategies [4.557635080377692]
  本研究では,GenAIを利用したコード生成ツールについて,採用者の経験と認識について考察する。 業界の専門家32人を対象に行った調査では、ほとんどの参加者はそのようなツールに精通しているが、ほとんどの組織は、これらのツールの使用・知識を考慮に入れた候補評価手法を調整していない。 ほとんどの参加者は、GenAIを利用したコード生成ツールをコンピュータサイエンスカリキュラムに組み込むことが重要であると考えている。
  論文  参考訳（メタデータ） (2024-09-02T00:00:29Z)
• AI Competitions and Benchmarks: Competition platforms [1.03341388090561]
  人工知能の競争のエコシステムは多様で多面的な風景である。 この章では、この領域における最上位の業務について広範なレビューを行い、いくつかの代替手法を解明する。
  論文  参考訳（メタデータ） (2023-12-08T17:16:50Z)
• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• Stimulating student engagement with an AI board game tournament [0.0]
  本稿では,2年生にボードゲームに適用した検索手法の紹介を行うプロジェクトベース・コンペティションベースの学士課程について紹介する。 2人のグループがネットワークプログラミングとAIメソッドを使用して、今年のボードゲームトーナメントに出場するためにAIエージェントを構築する必要があります。
  論文  参考訳（メタデータ） (2023-04-22T11:22:00Z)
• Learning Performance-Improving Code Edits [107.21538852090208]
  本稿では,大規模言語モデル(LLM)を高レベルプログラム最適化に適用するためのフレームワークを提案する。 まず、競争力のある77,000以上のC++プログラミングサブミッションペアによる、人間のプログラマによるパフォーマンス改善編集のデータセットをキュレートする。 提案手法は,検索をベースとした少数ショットプロンプトとチェーン・オブ・シンクレットを提案し,その微調整には,自己再生に基づく性能条件付き生成と合成データ拡張が含まれる。
  論文  参考訳（メタデータ） (2023-02-15T18:59:21Z)
• Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
  競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。 チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-04-14T17:24:54Z)
• Competition-Level Code Generation with AlphaCode [74.87216298566942]
  より深い推論を必要とする問題に対する新しいソリューションを作成することができるコード生成システムであるAlphaCodeを紹介する。 Codeforcesプラットフォームにおける最近のプログラミングコンペティションのシミュレーション評価において、AlphaCodeは平均54.3%のランキングを達成した。
  論文  参考訳（メタデータ） (2022-02-08T23:16:31Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)
• The MineRL 2020 Competition on Sample Efficient Reinforcement Learning using Human Priors [62.9301667732188]
  我々は,MineRLコンペティションの第2イテレーションを提案する。 競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。 コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。 各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
  論文  参考訳（メタデータ） (2021-01-26T20:32:30Z)
• An Experience of Introducing Primary School Children to Programming using Ozobots (Practical Report) [10.213226970992666]
  最近のトレンドは、小学校レベルではすでに非常に早い段階で基本的なプログラミングの概念を導入することです。 学校や教師は、装備や訓練が適切に行われておらず、コンピュータ上でのプログラム作成から「プラグされていない」活動に移行する最良の方法は、依然としてオープンな議論である。 我々は,Ozobotロボットを用いたプログラミング概念に子どもを導入する際に,地元の小学校を支援すべく,小さなインターリーグプロジェクトを行った経験について述べる。
  論文  参考訳（メタデータ） (2020-08-28T07:36:07Z)

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。

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。