論文の概要: Latte: Lightweight Aliasing Tracking for Java
- arxiv url: http://arxiv.org/abs/2309.05637v1
- Date: Mon, 11 Sep 2023 17:28:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 08:00:47.877185
- Title: Latte: Lightweight Aliasing Tracking for Java
- Title（参考訳）: Latte: Javaの軽量エイリアストラッキング
- Authors: Conrad Zimmerman, Catarina Gamboa, Alcides Fonseca, Jonathan Aldrich
- Abstract要約: 突然変異を伴うオブジェクト指向言語における特異性とエイリアスを追跡する新しいアプローチであるLatteを提案する。
私たちのアプローチではパラメータとフィールドのアノテーションしか必要としませんが、ローカル変数のアノテーションは推論されます。
局所変数間のエイリアスを可能にするために、このエイリアスを正確に決定できる限り、独特さを緩和する。
- 参考スコア（独自算出の注目度）: 1.9662978733004601
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many existing systems track aliasing and uniqueness, each with their own
trade-off between expressiveness and developer effort. We propose Latte, a new
approach that aims to minimize both the amount of annotations and the
complexity of invariants necessary for reasoning about aliasing in an
object-oriented language with mutation. Our approach only requires annotations
for parameters and fields, while annotations for local variables are inferred.
Furthermore, it relaxes uniqueness to allow aliasing among local variables, as
long as this aliasing can be precisely determined. This enables support for
destructive reads without changes to the language or its run-time semantics.
Despite this simplicity, we show how this design can still be used for tracking
uniqueness and aliasing in a local sequential setting, with practical
applications, such as modeling a stack.
- Abstract（参考訳）: 多くの既存のシステムはエイリアスとユニークさを追跡しており、それぞれに表現力と開発者の努力のトレードオフがある。
オブジェクト指向言語におけるアリアシングの推論に必要なアノテーションの量と不変量の複雑さを最小化することを目的とした,新しいアプローチであるlatteを提案する。
このアプローチではパラメータとフィールドのアノテーションのみを必要とするが、ローカル変数のアノテーションは推論される。
さらに、このエイリアスが正確に決定できる限り、局所変数間のエイリアスを可能にするために一意性を緩和する。
これにより、言語や実行時のセマンティクスを変更することなく、破壊的な読み込みをサポートすることができる。
このような単純さにもかかわらず、この設計がスタックのモデリングなどの実践的な応用により、局所的なシーケンシャルなセッティングにおいてユニークさやエイリアスをトラッキングするのにどのように使用できるかを示す。
関連論文リスト
- Contrastive Instruction Tuning [61.97704869248903]
意味論的に等価な命令-インスタンスペア間の類似性を最大化するために、コントラスト命令チューニングを提案する。
PromptBenchベンチマークの実験によると、CoINはLLMの頑健さを一貫して改善し、文字、単語、文、意味のレベルを平均して2.5%の精度で変化させる。
論文 参考訳（メタデータ） (2024-02-17T00:09:32Z) - Improving Cross-Lingual Transfer through Subtree-Aware Word Reordering [17.166996956587155]
効果的な言語間移動の障害の1つは、単語順パターンにおける可変性である。
ユニバーサル依存の観点で定義した,新しい強力なリオーダー手法を提案する。
提案手法は,異なる言語ペアとモデルアーキテクチャに対して,強いベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2023-10-20T15:25:53Z) - Integrating LLMs and Decision Transformers for Language Grounded
Generative Quality-Diversity [0.0]
品質多様性(Quality-Diversity)は最適化の一分野であり、強化学習と制御ドメインの問題によく適用される。
本稿では,レパートリーをトラジェクトリの自然言語記述で拡張する大規模言語モデルを提案する。
また、このような生成エージェントの性能を評価するためのLCMベースのアプローチを提案する。
論文 参考訳（メタデータ） (2023-08-25T10:00:06Z) - Rethinking Answer Set Programming Templates [4.817429789586126]
この記事では、Answer Set Programmingのテンプレートの概念を紹介します。
ローカルな述語は、主流のエンジンが採用する通常のグローバルな形式にマッピングされる。
このようにして、テンプレートの期待結果に対して不変性を強制するためにローカル述語を使用することができる。
論文 参考訳（メタデータ） (2023-07-12T18:08:06Z) - Towards Robust and Semantically Organised Latent Representations for
Unsupervised Text Style Transfer [6.467090475885798]
この摂動モデルを完成させるEPAAE(Perturbed Adrial AutoEncoders)を導入する。
これは、(a)スタイル的に類似した文をまとめるより優れた組織化された潜在空間を生み出すことを実証的に示す。
また、テキストスタイルの転送タスクをNLIデータセットに拡張し、これらのより複雑なスタイル定義がEPAAEによって最もよく学習されていることを示す。
論文 参考訳（メタデータ） (2022-05-04T20:04:24Z) - P2P-Loc: Point to Point Tiny Person Localization [47.6728595874315]
本稿では,人物位置決め作業のための新しいポイントベースフレームワークを提案する。
粗い点(粗い点)として各人に注釈を付けることは、正確なバウンディングボックスではなく、オブジェクトの範囲内の任意の点である。
提案手法は,アノテーションを最大80$%のコストで保存しながら,オブジェクトのローカライゼーション性能に匹敵する。
論文 参考訳（メタデータ） (2021-12-31T08:24:43Z) - VarCLR: Variable Semantic Representation Pre-training via Contrastive
Learning [84.70916463298109]
VarCLRは変数名のセマンティック表現を学ぶための新しいアプローチである。
VarCLRはコントラスト学習に適しており、明示的に類似した入力間の距離を最小化することを目的としている。
VarCLRはBERTのような洗練された汎用言語モデルを効果的に適用できることを示す。
論文 参考訳（メタデータ） (2021-12-05T18:40:32Z) - Fake it Till You Make it: Self-Supervised Semantic Shifts for
Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。
本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。
3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文 参考訳（メタデータ） (2021-01-30T18:59:43Z) - Empower Entity Set Expansion via Language Model Probing [58.78909391545238]
既存の拡張方法は、コンテキスト特徴を適応的に選択し、新しいエンティティを抽出することで、シードエンティティをブートストラップする。
エンティティセット拡張の鍵となる課題は、クラスセマンティクスをシフトし、後のイテレーションで累積エラーにつながる曖昧なコンテキスト機能を選択することを避けることである。
セマンティックドリフト問題に対処するために、自動生成されたクラス名を活用する新しい反復的集合拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-29T00:09:43Z) - Learning to Manipulate Individual Objects in an Image [71.55005356240761]
本稿では,独立性および局所性を有する潜在因子を用いた生成モデルを学習する手法について述べる。
これは、潜伏変数の摂動が、オブジェクトに対応する合成画像の局所領域のみに影響を与えることを意味する。
他の教師なし生成モデルとは異なり、オブジェクトレベルのアノテーションを必要とせず、オブジェクト中心の操作を可能にする。
論文 参考訳（メタデータ） (2020-04-11T21:50:20Z)
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。