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 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) - Learning functional programs with function invention and reuse [0.0]
本稿では,IPのサブフィールドであるインダクティブ関数型プログラミング(IFP)について述べる。
モジュール型関数型プログラムを生成するというアイデアと,それらが関数の再利用を可能にする方法について検討する。
様々な問題に対して再利用が重要であり(重要ではないとしても)、一般に関数再利用の恩恵を受けるプログラムの2つの幅広いクラスを区別する。
論文 参考訳(メタデータ) (2020-11-17T19:11:00Z) - Neurocoder: Learning General-Purpose Computation Using Stored Neural
Programs [64.56890245622822]
ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。
共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。
モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
論文 参考訳(メタデータ) (2020-09-24T01:39:16Z) - 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) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳(メタデータ) (2020-04-30T14:16:19Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z) - 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。
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。