Fugu-MT 論文翻訳(概要): SmartChoices: Augmenting Software with Learned Implementations

論文の概要: SmartChoices: Augmenting Software with Learned Implementations

arxiv url: http://arxiv.org/abs/2304.13033v2
Date: Thu, 30 Nov 2023 19:16:04 GMT
ステータス: 処理完了
システム内更新日: 2023-12-04 18:40:42.106306
Title: SmartChoices: Augmenting Software with Learned Implementations
Title（参考訳）: SmartChoices: 学習した実装によるソフトウェアの拡張
Authors: Daniel Golovin, Gabor Bartok, Eric Chen, Emily Donahue, Tzu-Kuo Huang, Efi Kokiopoulou, Ruoyan Qin, Nikhil Sarda, Justin Sybrandt, Vincent Tjeng
Abstract要約: 我々は、機械学習を成熟したソフトウェアスタックに組み込む新しいアプローチであるSmartChoicesを紹介します。本稿では,SmartChoicesを大規模産業システムに応用した重要な設計決定とケーススタディを紹介する。
参考スコア（独自算出の注目度）: 5.6987598223389995
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We are living in a golden age of machine learning. Powerful models perform many tasks far better than is possible using traditional software engineering approaches alone. However, developing and deploying these models in existing software systems remains challenging. In this paper, we present SmartChoices, a novel approach to incorporating machine learning into mature software stacks easily, safely, and effectively. We highlight key design decisions and present case studies applying SmartChoices within a range of large-scale industrial systems.
Abstract（参考訳）: 私たちは機械学習の黄金時代に生きている。パワフルなモデルは、従来のソフトウェアエンジニアリングアプローチだけでは不可能なほど多くのタスクを実行します。しかし、これらのモデルを既存のソフトウェアシステムに開発、デプロイすることは依然として困難である。本稿では,成熟したソフトウェアスタックに機械学習を組み込むための新しいアプローチであるsmartchoicesを提案する。本稿では,SmartChoicesを大規模産業システムに応用した重要な設計決定とケーススタディを紹介する。

関連論文リスト

LLM-SmartAudit: Advanced Smart Contract Vulnerability Detection [3.1409266162146467]
本稿では,スマートコントラクトの脆弱性を検出し解析する新しいフレームワークであるLLM-SmartAuditを紹介する。 LLM-SmartAuditは、マルチエージェントの会話アプローチを用いて、監査プロセスを強化するために、特殊なエージェントとの協調システムを採用している。私たちのフレームワークは、従来のツールがこれまで見落としていた複雑なロジックの脆弱性を検出することができます。
論文参考訳（メタデータ） (2024-10-12T06:24:21Z)
GoNoGo: An Efficient LLM-based Multi-Agent System for Streamlining Automotive Software Release Decision-Making [5.254038213371586]
大規模言語モデル(LLM)はこれらの課題に対して有望な解決策を提供する。 GoNoGoは、機能要件と工業的制約の両方を満たしながら、自動車ソフトウェアデプロイメントの合理化を目的としている。 GoNoGoは3ショットの例で、レベル2までのタスクで100%の成功率を実現し、より複雑なタスクでも高いパフォーマンスを維持します。
論文参考訳（メタデータ） (2024-08-19T08:22:20Z)
LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
論文参考訳（メタデータ） (2024-05-09T11:49:05Z)
A learning-based solution approach to the application placement problem in mobile edge computing under uncertainty [0.0]
モバイルエッジコンピューティングサーバにアプリケーションを配置することは、多くのサーバ、ユーザ、そして彼らの要求にまつわる複雑な課題を示す。これらのアプローチの1つは機械学習であり、エッジサーバにおけるアプリケーションの配置に最適なソリューションをエミュレートする。本研究の目的は,モバイルエッジコンピューティングにおける高次元問題や,不確実性を伴うシナリオに対処するための,より効率的なアプローチを提供することである。
論文参考訳（メタデータ） (2024-03-17T16:23:00Z)
Learning Logic Specifications for Policy Guidance in POMDPs: an Inductive Logic Programming Approach [57.788675205519986]
我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。 ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
論文参考訳（メタデータ） (2024-02-29T15:36:01Z)
Beyond LLMs: Advancing the Landscape of Complex Reasoning [0.35813349058229593]
EC AIプラットフォームは、制約満足度と最適化問題を解決するために、ニューロシンボリックアプローチを採用している。システムは正確で高性能な論理推論エンジンを採用している。システムは、自然言語と簡潔な言語でアプリケーションロジックを指定する開発者をサポートする。
論文参考訳（メタデータ） (2024-02-12T21:14:45Z)
Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文参考訳（メタデータ） (2024-01-11T15:02:15Z)
Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文参考訳（メタデータ） (2023-08-10T13:19:10Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
CoreDiag: Eliminating Redundancy in Constraint Sets [68.8204255655161]
最小コア(最小非冗長制約集合)の決定に利用できる新しいアルゴリズムを提案する。このアルゴリズムは、冗長性の度合いが高い分散知識工学シナリオにおいて特に有用である。本手法の適用可能性を示すために, 商業的構成知識ベースを用いた実証的研究を実施した。
論文参考訳（メタデータ） (2021-02-24T09:16:10Z)

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。