論文の概要: Inference of Resource Management Specifications

• arxiv url: http://arxiv.org/abs/2306.11953v2
• Date: Thu, 21 Sep 2023 21:52:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 19:04:30.548668
• Title: Inference of Resource Management Specifications
• Title（参考訳）: 資源管理仕様の推論
• Authors: Narges Shadab, Pritam Gharat, Shrey Tiwari, Michael D. Ernst, Martin Kellogg, Shuvendu Lahiri, Akash Lal, Manu Sridharan
• Abstract要約: リソースリークは、プログラムが必要なくなると、一部の有限リソースを解放できない場合に発生する。 近年の研究では、リソース管理仕様のチェックに基づくリソースリーク防止手法が提案されている。 本稿では,プログラムのリソース管理仕様を自動的に推論する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 2.8975089867684436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A resource leak occurs when a program fails to free some finite resource after it is no longer needed. Such leaks are a significant cause of real-world crashes and performance problems. Recent work proposed an approach to prevent resource leaks based on checking resource management specifications. A resource management specification expresses how the program allocates resources, passes them around, and releases them; it also tracks the ownership relationship between objects and resources, and aliasing relationships between objects. While this specify-and-verify approach has several advantages compared to prior techniques, the need to manually write annotations presents a significant barrier to its practical adoption. This paper presents a novel technique to automatically infer a resource management specification for a program, broadening the applicability of specify-and-check verification for resource leaks. Inference in this domain is challenging because resource management specifications differ significantly in nature from the types that most inference techniques target. Further, for practical effectiveness, we desire a technique that can infer the resource management specification intended by the developer, even in cases when the code does not fully adhere to that specification. We address these challenges through a set of inference rules carefully designed to capture real-world coding patterns, yielding an effective fixed-point-based inference algorithm. We have implemented our inference algorithm in two different systems, targeting programs written in Java and C#. In an experimental evaluation, our technique inferred 85.5% of the annotations that programmers had written manually for the benchmarks. Further, the verifier issued nearly the same rate of false alarms with the manually-written and automatically-inferred annotations.
• Abstract（参考訳）: リソースリークは、プログラムが必要なくなると、一部の有限リソースを解放できない場合に発生する。 このようなリークは、現実世界のクラッシュとパフォーマンスの問題の重要な原因である。 近年の研究では、リソース管理仕様のチェックに基づくリソースリーク防止手法が提案されている。 リソース管理仕様(source management specification)は、プログラムがリソースをどのように割り当て、渡し、解放するかを表現する。 この特定と検証のアプローチは、以前のテクニックと比べていくつかの利点があるが、手動でアノテーションを書く必要性は、その実践的採用にとって大きな障壁となる。 本稿では,プログラムのリソース管理仕様を自動的に推測し,リソースリークの特定・チェック検証の適用範囲を広げる手法を提案する。 なぜなら、リソース管理の仕様は、ほとんどの推論技術がターゲットとするタイプと本質的に大きく異なるからです。 さらに,実効性については,コードがその仕様に完全に準拠していない場合でも,開発者が意図するリソース管理仕様を推論できる技術が望まれる。 実世界のコーディングパターンを捉えるために慎重に設計された一連の推論ルールを用いて,これらの課題に対処する。 我々は、javaとc#で書かれたプログラムをターゲットに、2つの異なるシステムで推論アルゴリズムを実装しました。 実験による評価では、ベンチマークのためにプログラマが手動で書いたアノテーションの85.5%を推定した。 さらに、検証者は手書きのアノテーションや自動推論のアノテーションとほぼ同じ速さで誤報を発した。

関連論文リスト

• Quality-Diversity with Limited Resources [23.891258120466105]
  RefQDはニューラルネットワークを表現部と決定部に分解する。 リソースオーバーヘッドを減らすため、アーカイブ内のすべての決定部分と表現部分を共有する。 サンプル効率のよいQDアルゴリズムと比較すると、同等か良い性能が得られる。
  論文  参考訳（メタデータ） (2024-06-06T04:06:00Z)
• RAG-based Crowdsourcing Task Decomposition via Masked Contrastive Learning with Prompts [21.69333828191263]
  本稿では、自然言語理解の観点からタスク分解(TD)をイベント検出として再認識する、検索強化世代ベースのクラウドソーシングフレームワークを提案する。 本稿では,TD (PBCT) のための Prompt-based Contrastive Learning framework を提案する。 実験結果は,教師付きおよびゼロショット検出における本手法の競合性を実証した。
  論文  参考訳（メタデータ） (2024-06-04T08:34:19Z)
• Automated Static Warning Identification via Path-based Semantic Representation [37.70518599085676]
  本稿では、深層ニューラルネットワークの強力な特徴抽出と表現能力を用いて、警告識別のための制御フローグラフパスからコードセマンティクスを生成する。 事前訓練された言語モデルを微調整し、パスシーケンスを符号化し、モデル構築のための意味表現をキャプチャする。
  論文  参考訳（メタデータ） (2023-06-27T15:46:45Z)
• Neural Inventory Control in Networks via Hindsight Differentiable Policy Optimization [5.590976834881065]
  我々は、在庫管理が深層強化学習(DRL)アルゴリズムを確実に適用し、評価するユニークな機会であると主張している。 ひとつはHendsight Differentiable Policy Optimization (HDPO)で、政策性能を最適化するために勾配降下を行う。 第2の手法は、ポリシー(神経)ネットワーク構造と在庫ネットワークの構造を整合させることである。
  論文  参考訳（メタデータ） (2023-06-20T02:58:25Z)
• Instance Relation Graph Guided Source-Free Domain Adaptive Object Detection [79.89082006155135]
  教師なしドメイン適応(Unsupervised Domain Adaptation, UDA)は、ドメインシフトの問題に取り組むための効果的なアプローチである。 UDAメソッドは、ターゲットドメインの一般化を改善するために、ソースとターゲット表現を整列させようとする。 Source-Free Adaptation Domain (SFDA)設定は、ソースデータへのアクセスを必要とせずに、ターゲットドメインに対してソーストレーニングされたモデルを適用することで、これらの懸念を軽減することを目的としている。
  論文  参考訳（メタデータ） (2022-03-29T17:50:43Z)
• Domain Adaptive Semantic Segmentation without Source Data [50.18389578589789]
  モデルがソースドメイン上で事前学習されていることを前提として、ソースデータのないドメイン適応セマンティックセマンティックセマンティックセマンティクスについて検討する。 本稿では,この課題に対して,肯定的学習と否定的学習という2つの要素を用いた効果的な枠組みを提案する。 私たちのフレームワークは、パフォーマンスをさらに向上するために、他のメソッドに簡単に実装および組み込むことができます。
  論文  参考訳（メタデータ） (2021-10-13T04:12:27Z)
• Creating Training Sets via Weak Indirect Supervision [66.77795318313372]
  Weak Supervision (WS)フレームワークは、複数の潜在的にノイズの多い監督ソースからトレーニングラベルを合成する。 Weak Indirect Supervision (WIS) は、トレーニングラベルの自動合成のための新しい研究課題である。 我々は,ユーザが提供するラベル関係を利用して間接的な監督源をモデル化し活用する確率論的モデリング手法PLRMを開発した。
  論文  参考訳（メタデータ） (2021-10-07T14:09:35Z)
• Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
  本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。 我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。 主アルゴリズムの正確性と収束性を保証する。
  論文  参考訳（メタデータ） (2021-02-01T01:13:03Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)
• A Transformer-based Approach for Source Code Summarization [86.08359401867577]
  コードトークン間のペア関係をモデル化することにより,要約のためのコード表現を学習する。 アプローチは単純であるにもかかわらず、最先端技術よりもかなりの差があることが示される。
  論文  参考訳（メタデータ） (2020-05-01T23:29:36Z)
• Analysis & Shortcomings of E-Recruitment Systems: Towards a Semantics-based Approach Addressing Knowledge Incompleteness and Limited Domain Coverage [0.0]
  インターネットの急速な発展により、e-recruitmentと人的資源管理の新しい手法が導入された。 求職者の履歴書や求職のスキルを正確に検出し、抽出する能力格差は、依然としてe-recruitmentシステムにとって大きな障害となっている。 複数の協調的セマンティックリソースを利用することで、現在の欠点に対処するe-recruitmentフレームワークについて詳述する。
  論文  参考訳（メタデータ） (2020-04-25T01:25:35Z)

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。