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
- Deploying Large Language Models With Retrieval Augmented Generation [0.21485350418225244]
Retrieval Augmented Generationは、大規模言語モデルのトレーニングセット外のデータソースからの知識を統合するための重要なアプローチとして登場した。
本稿では,LLMとRAGを統合して情報検索を行うパイロットプロジェクトの開発とフィールドテストから得られた知見について述べる。
論文 参考訳（メタデータ） (2024-11-07T22:11:51Z) - A Survey on Knowledge Organization Systems of Research Fields: Resources and Challenges [0.0]
知識組織システム(KOS)は、情報の分類、管理、検索において基本的な役割を果たす。
本稿は、現在のKOSに関する総合的な研究成果を学術分野に提示することを目的としている。
我々は、スコープ、構造、使用法、および他のKOSへのリンクの5つの主要な次元に基づいて45のKOSを分析した。
論文 参考訳（メタデータ） (2024-09-06T17:54:43Z) - DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。
我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。
私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文 参考訳（メタデータ） (2024-07-01T18:58:22Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Beyond Efficiency: A Systematic Survey of Resource-Efficient Large Language Models [33.50873478562128]
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 [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
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 [54.19942426544731]
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) - 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) - 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。