Fugu-MT 論文翻訳(概要): WikiCoder: Learning to Write Knowledge-Powered Code

論文の概要: WikiCoder: Learning to Write Knowledge-Powered Code

arxiv url: http://arxiv.org/abs/2303.08574v1
Date: Wed, 15 Mar 2023 12:50:54 GMT
ステータス: 処理完了
システム内更新日: 2023-03-16 18:06:11.934567
Title: WikiCoder: Learning to Write Knowledge-Powered Code
Title（参考訳）: WikiCoder:知識駆動のコードを書くことを学ぶ
Authors: Th\'eo Matricon, Nathana\"el Fijalkow, Ga\"etan Margueritte
Abstract要約: 本稿では,知識を活用したプログラム合成に向けて第一歩を踏み出す。 WikiCoderは、機械学習型プログラムシンセサイザーの状態に基づいて構築され、知識グラフを統合するシステムである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We tackle the problem of automatic generation of computer programs from a few pairs of input-output examples. The starting point of this work is the observation that in many applications a solution program must use external knowledge not present in the examples: we call such programs knowledge-powered since they can refer to information collected from a knowledge graph such as Wikipedia. This paper makes a first step towards knowledge-powered program synthesis. We present WikiCoder, a system building upon state of the art machine-learned program synthesizers and integrating knowledge graphs. We evaluate it to show its wide applicability over different domains and discuss its limitations. WikiCoder solves tasks that no program synthesizers were able to solve before thanks to the use of knowledge graphs, while integrating with recent developments in the field to operate at scale.
Abstract（参考訳）: 数組のインプット・アウトプット・サンプルから,コンピュータ・プログラムの自動生成の問題に取り組む。この研究の出発点は、多くのアプリケーションにおいて、ソリューションプログラムは例にない外部の知識を使わなければならないという観察である。本稿では,知識駆動プログラム合成への第一歩について述べる。 WikiCoderは,機械学習型プログラムシンセサイザーの状態を基盤とし,知識グラフを統合するシステムである。我々は、異なるドメインにまたがる幅広い適用性を示すために評価し、その限界について議論する。 WikiCoderは、知識グラフを使うことで、プログラムシンセサイザーが事前に解決できなかったタスクを解決し、大規模に運用する分野における最近の開発と統合する。

関連論文リスト

A Symbolic Computing Perspective on Software Systems [0.0]
シンボリック数学計算システムは、60年以上にわたって、ソフトウェアシステムの石炭鉱山の運河として機能してきた。主要な記号的数理計算システムには、算術、メモリ管理、その他のプリミティブのための低レベルコード、bespokeプログラミング言語のコンパイラまたはインタプリタ、高レベルの数理アルゴリズムのライブラリ、ユーザーインターフェースなどが含まれる。
論文参考訳（メタデータ） (2024-06-13T13:10:47Z)
Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
論文参考訳（メタデータ） (2023-12-30T17:48:37Z)
Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文参考訳（メタデータ） (2023-10-11T08:22:37Z)
Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
論文参考訳（メタデータ） (2023-08-30T06:35:40Z)
A Roadmap to Domain Knowledge Integration in Machine Learning [21.96548398967003]
機械学習モデルに知識を統合することは、これらの障害をある程度克服するのに役立ちます。機械学習タスクにおけるこれらの様々な知識の統合とそれらのパフォーマンスについて、簡単な概要を述べます。
論文参考訳（メタデータ） (2022-12-12T05:35:44Z)
Hardware-agnostic Computation for Large-scale Knowledge Graph Embeddings [1.1650381752104297]
ハードウェアに依存しない大規模知識グラフの埋め込みを計算するためのフレームワークを開発する。当社のフレームワークのオープンソースバージョンと,11.4B以上のパラメータを持つ事前トレーニング済みモデルのハブを提供しています。
論文参考訳（メタデータ） (2022-07-18T12:10:27Z)
Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文参考訳（メタデータ） (2021-06-18T15:08:47Z)
PyKale: Knowledge-Aware Machine Learning from Multiple Sources in Python [6.276936701568444]
Pykaleは、グラフ、画像、テキスト、ビデオに関する知識を意識した機械学習のためのPythonライブラリである。我々は、標準的なソフトウェアエンジニアリングプラクティスに基づいて、新しいグリーン機械学習ガイドラインを定式化する。私たちはPyTorch上にPyKaleを構築し、リッチなPyTorchエコシステムを活用しています。
論文参考訳（メタデータ） (2021-06-17T18:35:37Z)
Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
論文参考訳（メタデータ） (2021-06-01T20:07:16Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)
Turning 30: New Ideas in Inductive Logic Programming [18.581514902689346]
帰納論理プログラミングは、データから論理プログラムを誘導する機械学習の一種である。少数の事例から一般化したプログラムの学習方法に焦点をあてる。また、帰納論理プログラミングにおける今後の研究の方向性についても論じる。
論文参考訳（メタデータ） (2020-02-25T16:23:11Z)

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。