論文の概要: Further Decimating the Inductive Programming Search Space with Instruction Digrams

• arxiv url: http://arxiv.org/abs/2305.13347v1
• Date: Mon, 22 May 2023 15:58:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 23:08:28.790931
• Title: Further Decimating the Inductive Programming Search Space with Instruction Digrams
• Title（参考訳）: 指示図を用いた帰納的プログラミング探索空間のさらなる決定
• Authors: Edward McDaid, Sarah McDaid
• Abstract要約: 命令ダイアグラムを用いて,探索中の命令選択を制限できることが示される。 これにより、検索ベースの帰納的プログラミング技術を用いて生成できるプログラムのサイズが大幅に増大する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Overlapping instruction subsets derived from human originated code have previously been shown to dramatically shrink the inductive programming search space, often by many orders of magnitude. Here we extend the instruction subset approach to consider direct instruction-instruction applications (or instruction digrams) as an additional search heuristic for inductive programming. In this study we analyse the frequency distribution of instruction digrams in a large sample of open source code. This indicates that the instruction digram distribution is highly skewed with over 93% of possible instruction digrams not represnted in the code sample. We demonstrate that instruction digrams can be used to constrain instruction selection during search, further reducing size of the the search space, in some cases by several orders of magnitude. This significantly increases the size of programs that can be generated using search based inductive programming techniques. We discuss the results and provide some suggestions for further work.
• Abstract（参考訳）: ヒト由来のコードに由来する重複した命令サブセットは、以前は帰納的プログラム探索空間を劇的に縮小することが示されてきた。 ここでは命令サブセットアプローチを拡張し、直接命令指示アプリケーション(または命令ダイグラム)を帰納的プログラミングのための追加の探索ヒューリスティックとして検討する。 本研究では,オープンソースコードの大規模なサンプルにおいて,命令ディグラムの頻度分布を解析する。 これは、インストラクションダイアグラムの分布が、コードサンプルで再現できないインストラクションダイアグラムの93%以上で非常に歪んでいることを示している。 本研究では,命令ダイグラムを用いて探索中の命令選択を制限し,探索空間のサイズをさらに小さくすることができることを示す。 これは検索ベースの帰納的プログラミング技術を使って生成できるプログラムのサイズを大幅に増加させる。 結果について議論し、さらなる作業についていくつか提案する。

関連論文リスト

• From Symbolic Tasks to Code Generation: Diversification Yields Better Task Performers [1.6958018695660049]
  コードに関連するタスクを超えて、より多様な命令セットがコード生成のパフォーマンスを向上させることを示す。 我々の観察から,命令調整セットのより多様な意味空間が,命令に従う能力とタスクの実行能力を大幅に向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-05-30T07:54:07Z)
• Algorithms for Improving the Automatically Synthesized Instruction Set of an Extensible Processor [0.0]
  本稿では、既知のアプローチに加えて、使用可能なアルゴリズムを検討し、合成された命令セットを改善する。 Magma暗号テストでは、共通オペレーションクラスタリングアルゴリズムにより、コンパイルされたコードのサイズを10%削減できる。 AES暗号テストでは、置換関数アルゴリズムにより、合成した命令セットの拡張サイズを2.5倍に削減できる。
  論文  参考訳（メタデータ） (2024-01-01T14:33:35Z)
• Code Prompting: a Neural Symbolic Method for Complex Reasoning in Large Language Models [74.95486528482327]
  コードプロンプト(code prompting)は、ゼロショットバージョンと少数ショットバージョンの両方を持ち、中間ステップとしてコードをトリガーするニューラルシンボルプロンプトである。 我々は,記号的推論と算術的推論を含む7つの広く使用されているベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-05-29T15:14:09Z)
• GPT is becoming a Turing machine: Here are some ways to program it [16.169056235216576]
  GPT-3モデルはループを含むプログラムを実行するために起動可能であることを示す。 1つのタスクの例をカバーすることさえできないプロンプトが、アルゴリズム的な振る舞いをトリガーできることを示します。
  論文  参考訳（メタデータ） (2023-03-25T00:43:41Z)
• Shrinking the Inductive Programming Search Space with Instruction Subsets [0.0]
  本稿では,Zoea分散インダクティブプログラミングシステムにおける探索空間分割を支援するために構築された,新しいプログラミング言語命令共起モデルを提案する。 探索空間の異なる部分のアプローチを用いることで、並列に探索することができる。 必要となるサブセットの数は、それらを生成するために使用されるコードの量と線形に増加せず、管理可能なサブセットの数が、目に見えないコードの高い割合をカバーするのに十分である。
  論文  参考訳（メタデータ） (2023-02-10T12:51:35Z)
• Exploring Representation-Level Augmentation for Code Search [50.94201167562845]
  我々は、データ処理やトレーニングを必要としない表現レベルでデータ(コードとクエリの両方)を増強する拡張手法について検討する。 大規模公開データセット上で,最先端のコード検索モデルを用いた表現レベル向上手法を実験的に評価した。
  論文  参考訳（メタデータ） (2022-10-21T22:47:37Z)
• Enhancing Semantic Code Search with Multimodal Contrastive Learning and Soft Data Augmentation [50.14232079160476]
  コード検索のためのマルチモーダルコントラスト学習とソフトデータ拡張を用いた新しい手法を提案する。 我々は,6つのプログラミング言語を用いた大規模データセットにおけるアプローチの有効性を評価するために,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-04-07T08:49:27Z)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• Latent Programmer: Discrete Latent Codes for Program Synthesis [56.37993487589351]
  プログラム合成や文書要約などの多くのシーケンス学習タスクにおいて、重要な問題は出力シーケンスの広い空間を探索することである。 本稿では,検索対象とする出力の表現を学習することを提案する。 本稿では,まず入力/出力サンプルから離散潜在コードを予測するプログラム合成手法であるemphLatent Programmerを紹介し,そのプログラムを対象言語で生成する。
  論文  参考訳（メタデータ） (2020-12-01T10:11:35Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)

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。