論文の概要: PwR: Exploring the Role of Representations in Conversational Programming

• arxiv url: http://arxiv.org/abs/2309.09495v1
• Date: Mon, 18 Sep 2023 05:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 07:18:49.210445
• Title: PwR: Exploring the Role of Representations in Conversational Programming
• Title（参考訳）: PwR: 会話型プログラミングにおける表現の役割を探る
• Authors: Pradyumna YM, Vinod Ganesan, Dinesh Kumar Arumugam, Meghna Gupta, Nischith Shadagopan, Tanay Dixit, Sameer Segal, Pratyush Kumar, Mohit Jain, Sriram Rajamani
• Abstract要約: PwR(Programming with Representations)は、自然言語でシステムの理解をユーザに伝えるために表現を使用する手法である。 その結果,表現は理解可能性を大幅に向上させ,参加者の間にエージェンシーの感覚を植え付けることができた。
• 参考スコア（独自算出の注目度）: 17.838776812138626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have revolutionized programming and software engineering. AI programming assistants such as GitHub Copilot X enable conversational programming, narrowing the gap between human intent and code generation. However, prior literature has identified a key challenge--there is a gap between user's mental model of the system's understanding after a sequence of natural language utterances, and the AI system's actual understanding. To address this, we introduce Programming with Representations (PwR), an approach that uses representations to convey the system's understanding back to the user in natural language. We conducted an in-lab task-centered study with 14 users of varying programming proficiency and found that representations significantly improve understandability, and instilled a sense of agency among our participants. Expert programmers use them for verification, while intermediate programmers benefit from confirmation. Natural language-based development with LLMs, coupled with representations, promises to transform software development, making it more accessible and efficient.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、プログラミングとソフトウェア工学に革命をもたらした。 GitHub Copilot XのようなAIプログラミングアシスタントは会話型プログラミングを可能にし、人間の意図とコード生成のギャップを狭める。 しかし、以前の文献では重要な課題が特定されており、自然言語による一連の発話の後にシステムの理解に関するユーザのメンタルモデルと、aiシステムの実際の理解との間にはギャップがある。 そこで,本研究では,自然言語でシステムの理解をユーザに伝えるために表現を用いた手法である programming with representations (pwr) を紹介する。 プログラムの習熟度が異なる14名のユーザを対象に,タスク中心のインラボ調査を行い,表現が理解可能性を大幅に向上させることを確認した。 エキスパートプログラマは検証にそれを使用し、中間プログラマは確認の恩恵を受ける。 LLMによる自然言語ベースの開発と表現が組み合わさって、ソフトウェア開発を変革し、よりアクセシビリティで効率的なものにすることを約束します。

関連論文リスト

• Programming with AI: Evaluating ChatGPT, Gemini, AlphaCode, and GitHub Copilot for Programmers [0.0]
  本稿では、ChatGPT、Gemini(Bard AI)、AlphaCode、GitHub Copilotなど、主要なプログラミングアシスタントの徹底的な評価を行う。 AIモデルの潜在能力を具現化する倫理的開発プラクティスの必要性を強調している。
  論文  参考訳（メタデータ） (2024-11-14T06:40:55Z)
• Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
  エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。 エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。 我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
  論文  参考訳（メタデータ） (2024-06-26T17:59:18Z)
• AIOS Compiler: LLM as Interpreter for Natural Language Programming and Flow Programming of AI Agents [38.580779075892636]
  我々は、コード表現と実行(CoRE)のための新しいシステムを開発する。 提案システムは,自然言語プログラミング,擬似コードプログラミング,フロープログラミングを同一表現で統合し,言語エージェントを構築する。 実行中に、冗長性を最小化するために外部メモリを組み込む。
  論文  参考訳（メタデータ） (2024-05-11T04:29:03Z)
• CodeGRAG: Bridging the Gap between Natural Language and Programming Language via Graphical Retrieval Augmented Generation [58.84212778960507]
  我々は,LLMの性能を高めるため,グラフィカル検索拡張コード生成フレームワークであるCodeGRAGを提案する。 CodeGRAGは、制御フローとデータフローに基づいて、コードブロックのグラフィカルなビューを構築し、プログラミング言語と自然言語のギャップを埋める。 ハードメタグラフプロンプト、ソフトプロンプト技術、事前訓練されたGNN専門家の目的の有効性を検証するために、C++言語とピソン言語の両方を含む4つのデータセットで様々な実験と改善が行われた。
  論文  参考訳（メタデータ） (2024-05-03T02:48:55Z)
• Learning a Hierarchical Planner from Humans in Multiple Generations [21.045112705349222]
  本稿では,プログラム型学習と階層型プランナを組み合わせたライブラリ学習システムである自然言語プログラミングについて述べる。 ユーザは、難しいが不可能ではない目標を特定することによって、カリキュラム構築を通じてシステムを教える。 このシステムは、言語ヒントを用いて、その確率分布を導く階層的計画を通じて目標を達成する。
  論文  参考訳（メタデータ） (2023-10-17T22:28:13Z)
• ChatDev: Communicative Agents for Software Development [84.90400377131962]
  ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。 これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
  論文  参考訳（メタデータ） (2023-07-16T02:11:34Z)
• PADL: Language-Directed Physics-Based Character Control [66.517142635815]
  本稿では,文字が行うべきハイレベルなタスクと低レベルなスキルを指定するために,ユーザが自然言語コマンドを発行できるようにするPADLを提案する。 我々は,シミュレーションされたヒューマノイドキャラクタを効果的に誘導し,多種多様な複雑な運動能力を実現するために,本フレームワークを適用した。
  論文  参考訳（メタデータ） (2023-01-31T18:59:22Z)
• What is it like to program with artificial intelligence? [10.343988028594612]
  大規模言語モデルは、自然言語で表される様々な問題を解決するためにコードを生成することができる。 この技術はすでに、少なくとも1つの広く使用されているプログラミングエディタ拡張、GitHub Copilotで商用化されている。 我々は,大規模言語モデル(LLM支援プログラミング)を用いたプログラミングが,プログラマ支援の事前概念化とどのように似ており,異なるのかを考察する。
  論文  参考訳（メタデータ） (2022-08-12T10:48:46Z)
• A Conversational Paradigm for Program Synthesis [110.94409515865867]
  本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。 私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。 本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
  論文  参考訳（メタデータ） (2022-03-25T06:55:15Z)
• How could Neural Networks understand Programs? [67.4217527949013]
  ソースコードにnlpプリトレーニング技術を直接適用するか、あるいはtheshelfによってモデルに機能を追加するかで、プログラムをより理解するためのモデルを構築するのは難しい。 本研究では,(1)操作セマンティクスの基本操作とよく一致する表現と(2)環境遷移の情報からなる情報から,モデルが学ぶべき新しいプログラムセマンティクス学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T12:21:42Z)
• Convo: What does conversational programming need? An exploration of machine learning interface design [8.831954614241232]
  我々は、異なる入力方法と、開発した対話型プログラミングシステムを比較した。 参加者は、音声ベース、テキストベース、音声またはテキストベースのシステムを使用して、初心者および高度なタスクを完了した。 結果として、将来の対話型プログラミングツールは、ユーザのプログラミング体験に合わせて調整されるべきであることが示される。
  論文  参考訳（メタデータ） (2020-03-03T03:39:37Z)

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。