論文の概要: Genetic Algorithms for Searching a Matrix of Metagrammars for Synthesis
- arxiv url: http://arxiv.org/abs/2306.00521v2
- Date: Sun, 4 Jun 2023 11:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 04:57:58.714818
- Title: Genetic Algorithms for Searching a Matrix of Metagrammars for Synthesis
- Title(参考訳): 合成のためのメタグラム行列探索のための遺伝的アルゴリズム
- Authors: Yixuan Li, Federico Mora, Elizabeth Polgreen, Sanjit A. Seshia
- Abstract要約: 構文誘導合成(syntax-guided synthesis)は、文法の形で構文テンプレートによって候補解の探索空間が制約されるパラダイムである。
本研究では,ルールの行列として構文テンプレートの空間をモデル化し,この行列を学習データを用いて効率的に探索する方法を実証する。
- 参考スコア(独自算出の注目度): 19.044613696320628
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Syntax-guided synthesis is a paradigm in program synthesis in which the
search space of candidate solutions is constrained by a syntactic template in
the form of a grammar. These syntactic constraints serve two purposes:
constraining the language to the space the user desires, but also rendering the
search space tractable for the synthesizer. Given a well-written syntactic
template, this is an extremely effective technique. However, this is highly
dependent on the user providing such a template: a syntactic template that is
too large results in a larger search space and slower synthesis, and a
syntactic template that is too small may not contain the solution needed. In
this work, we frame the space of syntactic templates as a matrix of rules, and
demonstrate how this matrix can be searched effectively with little training
data using simple search techniques such as genetic algorithms, giving
improvements in both the number of benchmarks solved and solving time for the
state-of-the-art synthesis solver.
- Abstract(参考訳): 構文誘導合成(syntic-guided synthesis)は、候補解の探索空間が文法の形で構文テンプレートによって制約されるプログラム合成のパラダイムである。
これらの構文的制約は、言語をユーザが望む空間に制約するだけでなく、シンセサイザーのために検索スペースを抽出する、という2つの目的を果たす。
よく書かれた構文テンプレートを考えると、これは非常に効果的なテクニックである。
しかし、これはそのようなテンプレートを提供するユーザによって大きく依存している。検索スペースが大きくなり、合成が遅くなる統語的テンプレートと、小さすぎる統語的テンプレートは、必要なソリューションを含まない可能性がある。
本研究では,構文テンプレートの空間を規則の行列として構成し,この行列を遺伝的アルゴリズムなどの単純な探索手法を用いて,少ない訓練データで効果的に探索できることを実証する。
関連論文リスト
- Guiding Enumerative Program Synthesis with Large Language Models [17.420727709895736]
本稿では,形式的合成ベンチマークを解くための大規模言語モデルの能力を評価する。
ワンショット合成が失敗すると,新しい列挙合成アルゴリズムを提案する。
形式的合成のためのスタンドアロンツールとしてGPT-3.5は,最先端の形式的合成アルゴリズムにより容易に性能が向上することがわかった。
論文 参考訳(メタデータ) (2024-03-06T19:13:53Z) - LILO: Learning Interpretable Libraries by Compressing and Documenting Code [72.90003911433905]
LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。
LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。
LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
論文 参考訳(メタデータ) (2023-10-30T17:55:02Z) - A Quality-based Syntactic Template Retriever for
Syntactically-controlled Paraphrase Generation [67.98367574025797]
既存の構文制御されたパラフレーズ生成モデルは、人間の注釈付きまたはよく書かれた構文テンプレートで有望に機能する。
禁止コストにより、ソース文ごとに適切なテンプレートを手作業で設計することは不可能になります。
本稿では,QSTR(Quality-based Syntactic Template Retriever)を提案する。
論文 参考訳(メタデータ) (2023-10-20T03:55:39Z) - ExeDec: Execution Decomposition for Compositional Generalization in
Neural Program Synthesis [59.356261137313275]
プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。
次に,ExeDecを提案する。ExeDecは,実行サブゴールを予測して問題を段階的に解決する,新しい分解ベースの戦略である。
論文 参考訳(メタデータ) (2023-07-26T01:07:52Z) - Satisfiability and Synthesis Modulo Oracles [7.246701762489972]
多くの合成アルゴリズムは、満足度変調理論(SMT)に基づくホワイトボックスオラクルを用いて反例を提供する。
本稿では,分子誘導合成問題の一般クラスを解くための枠組みについて述べる。
また、満足度モジュロ理論やオラクルの問題を定式化し、この問題を解くアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-07-28T16:36:26Z) - 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) - Syntactic representation learning for neural network based TTS with
syntactic parse tree traversal [49.05471750563229]
本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。
実験の結果,提案手法の有効性が示された。
複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
論文 参考訳(メタデータ) (2020-12-13T05:52:07Z) - 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) - Generating Synthetic Data for Task-Oriented Semantic Parsing with
Hierarchical Representations [0.8203855808943658]
本研究では,ニューラルセマンティック解析のための合成データ生成の可能性を検討する。
具体的には、まず既存のラベル付き発話からマスク付きテンプレートを抽出し、次に微調整BARTを用いて合成発話条件を生成する。
ナビゲーション領域のためのFacebook TOPデータセットを評価する際に、我々のアプローチの可能性を示す。
論文 参考訳(メタデータ) (2020-11-03T22:55:40Z) - Gradient Descent over Metagrammars for Syntax-Guided Synthesis [6.022036788651132]
文法を構築するためのルールセット、メタ文法を構築します。
より多くのベンチマークを解き、平均的に高速なメタ文法を見つけることを目指している。
CVC4は300秒のタイムアウトでデフォルトの文法よりも26%多くのベンチマークを解くことができることを示す。
論文 参考訳(メタデータ) (2020-07-13T20:37:35Z)
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。