論文の概要: Towards Code Generation from BDD Test Case Specifications: A Vision
- arxiv url: http://arxiv.org/abs/2305.11619v1
- Date: Fri, 19 May 2023 11:54:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 14:37:54.328262
- Title: Towards Code Generation from BDD Test Case Specifications: A Vision
- Title(参考訳): BDDテストケース仕様からのコード生成に向けて: ビジョン
- Authors: Leon Chemnitz, David Reichenbach, Hani Aldebes, Mariam Naveed, Krishna
Narasimhan, Mira Mezini
- Abstract要約: 本稿では、人気のあるAngularフレームワークの入力として仕様を生成するための新しいアプローチを紹介する。
私たちのアプローチは、ソフトウェアの品質を高めながら、Webアプリケーションに必要な開発時間を劇的に短縮することを目的としています。
- 参考スコア(独自算出の注目度): 0.9137351242229175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic code generation has recently attracted large attention and is
becoming more significant to the software development process. Solutions based
on Machine Learning and Artificial Intelligence are being used to increase
human and software efficiency in potent and innovative ways. In this paper, we
aim to leverage these developments and introduce a novel approach to generating
frontend component code for the popular Angular framework. We propose to do
this using behavior-driven development test specifications as input to a
transformer-based machine learning model. Our approach aims to drastically
reduce the development time needed for web applications while potentially
increasing software quality and introducing new research ideas toward automatic
code generation.
- Abstract(参考訳): 自動コード生成は最近大きな注目を集め、ソフトウェア開発プロセスにおいてより重要になっている。
機械学習と人工知能に基づくソリューションは、強力で革新的な方法で人間とソフトウェアの効率を高めるために使われています。
本稿では、これらの開発を活用し、人気のあるAngularフレームワーク用のフロントエンドコンポーネントコードを生成する新しいアプローチを提案する。
トランスフォーマーベースの機械学習モデルへの入力として,行動駆動開発テスト仕様を用いてこれを行う。
提案手法は,Webアプリケーションに必要な開発時間を劇的に短縮するとともに,ソフトウェア品質を向上し,自動コード生成に向けた新たな研究アイデアを導入することを目的としている。
関連論文リスト
- 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) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳(メタデータ) (2023-12-21T19:23:23Z) - A Machine Learning Approach Towards SKILL Code Autocompletion [6.586356094533907]
本研究は,ハードウェア設計技術者の生産性向上に向けて,SKILLコードオートコンプリートにトランスフォーマーを適用した最初の事例である。
ラベル付きデータとラベル付きデータの両方で高品質なSKILLデータセットを作成するための新しい手法を提案する。
提案手法を用いて訓練されたモデルは,人間の判断スコアとBLEUスコアにおいて,ベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-12-04T14:29:28Z) - Prompted Software Engineering in the Era of AI Models [1.450405446885067]
本稿では、言語ベースのAIモデルのための効果的なプロンプトを構築するために、プロンプトエンジニアリングを統合した、プロンプトソフトウェアエンジニアリング(PSE)を紹介する。
PSEは、ソフトウェア開発にAIモデルを使用することで、少ないリソースで高品質なソフトウェアを生産し、面倒なタスクを自動化し、開発者がより革新的な側面に集中できるようにする。
論文 参考訳(メタデータ) (2023-09-07T20:40:04Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - CodeRL: Mastering Code Generation through Pretrained Models and Deep
Reinforcement Learning [92.36705236706678]
CodeRLは、事前訓練されたLMと深層強化学習によるプログラム合成タスクのための新しいフレームワークである。
推論中、我々は重要なサンプリング戦略を持つ新しい生成手順を導入する。
モデルバックボーンについては,CodeT5のエンコーダデコーダアーキテクチャを拡張し,学習目標を拡張した。
論文 参考訳(メタデータ) (2022-07-05T02:42:15Z) - 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) - DeepRNG: Towards Deep Reinforcement Learning-Assisted Generative Testing
of Software [18.19171031755595]
本稿では,RNG(ランダム数生成器)を深部強化学習(RL)エージェントで直接増強することにより,ソフトウェアの生成試験を改善することを目的とする。
提案したDeepRNGフレームワークは,350,000行以上のコードを持つ高度に複雑なソフトウェアライブラリのテストに対して,統計的に有意な改善を提供することを示す。
論文 参考訳(メタデータ) (2022-01-29T15:07:02Z) - Data-Driven and SE-assisted AI Model Signal-Awareness Enhancement and
Introspection [61.571331422347875]
モデルの信号認識性を高めるためのデータ駆動型手法を提案する。
コード複雑性のSE概念とカリキュラム学習のAIテクニックを組み合わせる。
モデル信号認識における最大4.8倍の改善を実現している。
論文 参考訳(メタデータ) (2021-11-10T17:58:18Z) - Intrinsically Motivated Goal-Conditioned Reinforcement Learning: a Short
Survey [21.311739361361717]
開発アプローチは、学習エージェントは自身の問題を解決するために生成、選択、学習しなければならないと主張する。
近年、発達的アプローチと深層強化学習(RL)手法の融合が見られ、発達的機械学習の新しい領域を形成している。
本稿では,深層rlと発達的アプローチの交点におけるこれらの手法の類型論,最近のアプローチのサーベイ,今後の展望について述べる。
論文 参考訳(メタデータ) (2020-12-17T18:51:40Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-29T14:57:53Z)
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。