論文の概要: Learning-Based Automatic Synthesis of Software Code and Configuration

• arxiv url: http://arxiv.org/abs/2305.15642v1
• Date: Thu, 25 May 2023 01:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 18:03:26.687648
• Title: Learning-Based Automatic Synthesis of Software Code and Configuration
• Title（参考訳）: 学習に基づくソフトウェアコードの自動合成と構成
• Authors: Shantanu Mandal
• Abstract要約: 大規模な自動ソフトウェア生成と構成は非常に複雑で難しい作業です。 まず,入力出力仕様で自動的にソフトウェアを合成することを提案する。 2つ目の課題として,異なる入力ファイルから大規模ソフトウェアの構成を合成することを提案する。
• 参考スコア（独自算出の注目度）: 0.951828574518325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Increasing demands in software industry and scarcity of software engineers motivates researchers and practitioners to automate the process of software generation and configuration. Large scale automatic software generation and configuration is a very complex and challenging task. In this proposal, we set out to investigate this problem by breaking down automatic software generation and configuration into two different tasks. In first task, we propose to synthesize software automatically with input output specifications. This task is further broken down into two sub-tasks. The first sub-task is about synthesizing programs with a genetic algorithm which is driven by a neural network based fitness function trained with program traces and specifications. For the second sub-task, we formulate program synthesis as a continuous optimization problem and synthesize programs with covariance matrix adaption evolutionary strategy (a state-of-the-art continuous optimization method). Finally, for the second task, we propose to synthesize configurations of large scale software from different input files (e.g. software manuals, configurations files, online blogs, etc.) using a sequence-to-sequence deep learning mechanism.
• Abstract（参考訳）: ソフトウェア産業における需要の増加とソフトウェアエンジニアの不足により、研究者や実践者がソフトウェアの生成と構成のプロセスを自動化するモチベーションが高まる。 大規模な自動ソフトウェア生成と構成は非常に複雑で難しい作業です。 本提案では,ソフトウェアの自動生成と構成を2つの異なるタスクに分割することで,この問題を解明する。 まず,入力出力仕様で自動的にソフトウェアを合成することを提案する。 このタスクはさらに2つのサブタスクに分割される。 最初のサブタスクは、プログラムトレースと仕様でトレーニングされたニューラルネットワークベースのフィットネス機能によって駆動される遺伝的アルゴリズムによるプログラムの合成である。 第2のサブタスクでは,プログラム合成を連続最適化問題として定式化し,共分散行列適応進化戦略(最先端連続最適化法)を用いたプログラムを合成する。 最後に,異なる入力ファイル(例えば,ソフトウェアマニュアル,設定ファイル,オンラインブログなど)からシーケンス・ツー・シーケンスの深層学習機構を用いて大規模ソフトウェアの構成を合成することを提案する。

関連論文リスト

• IPSynth: Interprocedural Program Synthesis for Software Security Implementation [3.1119394814248253]
  本稿では,提案手法の仕様を自動学習する新しい言語間プログラム合成手法であるIP Synthを紹介する。 提案手法は,プログラム内の対応する箇所を正確に特定し,必要なコードスニペットを合成し,プログラムに追加し,ChatGPTをプログラム間の戦術的合成タスクで上回ることを示す。
  論文  参考訳（メタデータ） (2024-03-16T07:12:24Z)
• Hierarchical Neural Program Synthesis [19.94176152035497]
  プログラム合成は、与えられたタスク仕様を満たす人間可読プログラムを自動構築することを目的としている。 プログラムを階層的に構成することでプログラムを合成するスケーラブルなプログラム合成フレームワークを提案する。 入力/出力ペアを持つ文字列変換領域において,提案するフレームワークを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-09T18:20:07Z)
• Synthesizing Programs with Continuous Optimization [4.457604452495174]
  本稿では,連続最適化問題としてプログラム合成の新たな定式化を提案する。 次に、連続的な定式化を実際のプログラムに変換するためのマッピングスキームを提案する。
  論文  参考訳（メタデータ） (2022-11-02T02:12:10Z)
• A Conversational Paradigm for Program Synthesis [110.94409515865867]
  本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。 私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。 本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
  論文  参考訳（メタデータ） (2022-03-25T06:55:15Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Latent Execution for Neural Program Synthesis Beyond Domain-Specific Languages [97.58968222942173]
  入力出力の例からCプログラムを合成する第一歩を踏み出す。 特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。 これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T02:21:32Z)
• Amortized Synthesis of Constrained Configurations Using a Differentiable Surrogate [25.125736560730864]
  設計、製造、制御の問題において、我々はしばしば合成の課題に直面している。 この多対一の地図は、フィードフォワード合成の教師あり学習に挑戦する。 どちらの問題にも,オートエンコーダであると考えられる2段階のニューラルネットワークアーキテクチャで対処する。
  論文  参考訳（メタデータ） (2021-06-16T17:59:45Z)
• 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)
• Synthesize, Execute and Debug: Learning to Repair for Neural Program Synthesis [81.54148730967394]
  本稿では,合成,実行,デバッグの段階を組み込んだニューラルネットワーク生成フレームワークであるSEDを提案する。 SEDはまず、神経プログラムシンセサイザーコンポーネントを使用して初期プログラムを生成し、その後、神経プログラムデバッガを使用して生成されたプログラムを反復的に修復する。 挑戦的な入出力プログラム合成ベンチマークであるKarelでは、SEDはニューラルプログラムシンセサイザー自体のエラー率をかなりのマージンで削減し、デコードのための標準ビームサーチより優れている。
  論文  参考訳（メタデータ） (2020-07-16T04:15:47Z)
• Evaluating Sequence-to-Sequence Learning Models for If-Then Program Synthesis [0.0]
  プロセス自動化のビルディングブロックは、if-thenプログラムです。 コンシューマの世界では、IFTTTのようなサイトでは、グラフィカルインターフェースを使用してif-Thenプログラムを定義することで、ユーザが自動化を作成することができる。 Seq2Seqアプローチは(シーケンスのレシピに強く依存する)高いポテンシャルを持ち、より複雑なプログラム課題を合成するための有望なアプローチとして機能する。
  論文  参考訳（メタデータ） (2020-02-10T00:45:03Z)

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。