論文の概要: Exploring Automated Code Evaluation Systems and Resources for Code
Analysis: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2307.08705v1
- Date: Sat, 8 Jul 2023 16:31:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:11:05.492090
- Title: Exploring Automated Code Evaluation Systems and Resources for Code
Analysis: A Comprehensive Survey
- Title(参考訳): コード分析のための自動コード評価システムとリソースの探索:包括的調査
- Authors: Md. Mostafizer Rahman, Yutaka Watanobe, Atsushi Shirafuji and Mohamed
Hamada
- Abstract要約: 本研究では,自動コード評価システム(AES)の応用領域とその資源について検討する。
AESはプログラミングコンテスト、プログラミングの学習と教育、採用、オンラインコンパイラ、追加モジュールに分類される。
本稿では,システム設計(ハードウェアとソフトウェア),運用(競争と教育),研究の観点から,AESの実例として会津オンライン審査プラットフォームについて概説する。
- 参考スコア(独自算出の注目度): 1.024113475677323
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automated code evaluation system (AES) is mainly designed to reliably
assess user-submitted code. Due to their extensive range of applications and
the accumulation of valuable resources, AESs are becoming increasingly popular.
Research on the application of AES and their real-world resource exploration
for diverse coding tasks is still lacking. In this study, we conducted a
comprehensive survey on AESs and their resources. This survey explores the
application areas of AESs, available resources, and resource utilization for
coding tasks. AESs are categorized into programming contests, programming
learning and education, recruitment, online compilers, and additional modules,
depending on their application. We explore the available datasets and other
resources of these systems for research, analysis, and coding tasks. Moreover,
we provide an overview of machine learning-driven coding tasks, such as bug
detection, code review, comprehension, refactoring, search, representation, and
repair. These tasks are performed using real-life datasets. In addition, we
briefly discuss the Aizu Online Judge platform as a real example of an AES from
the perspectives of system design (hardware and software), operation
(competition and education), and research. This is due to the scalability of
the AOJ platform (programming education, competitions, and practice), open
internal features (hardware and software), attention from the research
community, open source data (e.g., solution codes and submission documents),
and transparency. We also analyze the overall performance of this system and
the perceived challenges over the years.
- Abstract(参考訳): 自動コード評価システム(AES)は、主にユーザからの投稿されたコードを確実に評価するために設計されている。
広範囲のアプリケーションと貴重なリソースの蓄積により、AESはますます人気が高まっている。
多様なコーディングタスクに対するAESの応用と実世界の資源探索に関する研究はいまだ不十分である。
本研究では,AESとその資源に関する総合的な調査を行った。
本調査は, aessの適用領域, 利用可能なリソース, コーディングタスクのリソース利用について検討する。
AESはプログラミングコンテスト、プログラミングの学習と教育、採用、オンラインコンパイラ、そしてアプリケーションによって追加のモジュールに分類される。
研究、分析、コーディングタスクのために、これらのシステムの利用可能なデータセットやその他のリソースを調査します。
さらに,バグ検出,コードレビュー,理解,リファクタリング,検索,表現,修復など,機械学習によるコーディングタスクの概要を紹介する。
これらのタスクは実際のデータセットを使って実行される。
さらに,システム設計(ハードウェアとソフトウェア),運用(競争と教育),研究の観点から,会津オンライン審査プラットフォームをAESの実例として論じる。
これは、AOJプラットフォーム(プログラミング教育、競争、実践)のスケーラビリティ、オープンな内部機能(ハードウェアとソフトウェア)、研究コミュニティからの注目、オープンソースデータ(例えば、ソリューションコードや提出文書)、透明性によるものである。
また,システム全体のパフォーマンスや,長年にわたって認識されてきた課題についても分析した。
関連論文リスト
- EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - NLP-based Relation Extraction Methods in RE [4.856095570023289]
モバイルアプリリポジトリは、大規模で適応性の高いクラウドソース情報システムとして、主に科学研究で使用されている。
本稿では,ソフトウェアリソースとデータアーティファクトを組み合わせたMApp-KGを提案する。
私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
論文 参考訳(メタデータ) (2024-01-22T16:14:27Z) - Beyond Efficiency: A Systematic Survey of Resource-Efficient Large
Language Models [34.327846901536425]
LLM(Large Language Models)は、計算、メモリ、エネルギー、金融資源の高消費に課題をもたらす。
本調査は, LLMの資源効率向上を目的とした多種多様な手法を概観することにより, これらの課題を体系的に解決することを目的としている。
論文 参考訳(メタデータ) (2024-01-01T01:12:42Z) - Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [56.00281164118548]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳(メタデータ) (2023-12-01T16:00:25Z) - Literature Review: Computer Vision Applications in Transportation
Logistics and Warehousing [58.720142291102135]
輸送物流や倉庫におけるコンピュータビジョンの応用は、プロセスの自動化に大きな可能性を秘めている。
本稿では、この可能性を活用するために、この分野の研究に関する構造化された文献レビューを紹介する。
論文 参考訳(メタデータ) (2023-04-12T17:33:41Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。
そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
論文 参考訳(メタデータ) (2021-10-18T20:13:38Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - A Software Engineering Perspective on Engineering Machine Learning
Systems: State of the Art and Challenges [0.0]
機械学習(ML)の進歩は、アルゴリズムが人間によってハードコードされる従来のソフトウェア開発の視点から、データから学習することで実現されたMLシステムへとシフトする。
ソフトウェアシステムの開発方法を再考し、これらの新しいタイプのシステムに必要な特質を考慮する必要があります。
論文 参考訳(メタデータ) (2020-12-14T20:06:31Z) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳(メタデータ) (2020-11-07T11:06:28Z)
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。