論文の概要: Efficient Bottom-Up Synthesis for Programs with Local Variables

• arxiv url: http://arxiv.org/abs/2311.03705v1
• Date: Tue, 7 Nov 2023 04:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 17:04:48.343754
• Title: Efficient Bottom-Up Synthesis for Programs with Local Variables
• Title（参考訳）: 局所変数を持つプログラムの効率的なボトムアップ合成
• Authors: Xiang Li and Xiangyu Zhou and Rui Dong and Yihong Zhang and Xinyu Wang
• Abstract要約: 我々のアルゴリズムは,プログラムをローカル変数で効率的に探索することができる。 Lifted interpretationは、ローカル変数のすべてのバインディングコンテキストを列挙するメカニズムを提供する。 私たちのアイデアは、Webオートメーションの領域でインスタンス化されています。
• 参考スコア（独自算出の注目度）: 7.387053183440393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a new synthesis algorithm that can efficiently search programs with local variables (e.g., those introduced by lambdas). Prior bottom-up synthesis algorithms are not able to evaluate programs with free local variables, and therefore cannot effectively reduce the search space of such programs (e.g., using standard observational equivalence reduction techniques), making synthesis slow. Our algorithm can reduce the space of programs with local variables. The key idea, dubbed lifted interpretation, is to lift up the program interpretation process, from evaluating one program at a time to simultaneously evaluating all programs from a grammar. Lifted interpretation provides a mechanism to systematically enumerate all binding contexts for local variables, thereby enabling us to evaluate and reduce the space of programs with local variables. Our ideas are instantiated in the domain of web automation. The resulting tool, Arborist, can automate a significantly broader range of challenging tasks more efficiently than state-of-the-art techniques including WebRobot and Helena.
• Abstract（参考訳）: 本稿では,プログラムをローカル変数(ラムダで導入されたもの)で効率的に検索できる新しい合成アルゴリズムを提案する。 従来のボトムアップ合成アルゴリズムは、自由な局所変数を持つプログラムを評価できないため、そのようなプログラムの探索空間(例えば、標準の観測等価性低減技術を用いて)を効果的に削減することができず、合成が遅くなる。 アルゴリズムは局所変数を持つプログラムの空間を削減できる。 lifted interpretationと呼ばれる重要なアイデアは、プログラム解釈プロセスを1つのプログラムを一度に評価することから、文法からすべてのプログラムを同時に評価することである。 Lifted interpretationは、ローカル変数のすべてのバインディングコンテキストを体系的に列挙し、ローカル変数を持つプログラムの空間を評価・縮小するメカニズムを提供する。 私たちのアイデアはWebオートメーションの領域でインスタンス化されています。 その結果生まれたArboristは、WebRobotやHelenaといった最先端技術よりも、はるかに広範囲の課題タスクを自動化することができる。

関連論文リスト

• Weakly Supervised Semantic Parsing with Execution-based Spurious Program Filtering [19.96076749160955]
  本稿では,プログラムの実行結果に基づくドメインに依存しないフィルタリング機構を提案する。 私たちはこれらの表現に対して多数決を行い、他のプログラムと大きく異なる意味を持つプログラムを特定し、フィルタリングします。
  論文  参考訳（メタデータ） (2023-11-02T11:45:40Z)
• Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
  学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。 確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。 Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
  論文  参考訳（メタデータ） (2023-09-25T15:42:18Z)
• Improved Tree Search for Automatic Program Synthesis [91.3755431537592]
  重要な要素は、有効なプログラムの空間における効率的な探索を可能にすることである。 ここでは2つの大きな異なるDSL上でのアート結果の状態を導くMCTSの変種を提案する。
  論文  参考訳（メタデータ） (2023-03-13T15:09:52Z)
• A Divide-Align-Conquer Strategy for Program Synthesis [8.595181704811889]
  本稿では,大規模プログラムの探索を複数の小さなプログラム合成問題に分割する例によって,構成セグメント化がプログラミングに応用可能であることを示す。 入力と出力における構成部品の構造的アライメントは、プログラム探索を導くのに使用されるペアワイズ対応に繋がる。
  論文  参考訳（メタデータ） (2023-01-08T19:10:55Z)
• Iterative Genetic Improvement: Scaling Stochastic Program Synthesis [11.195558777385259]
  プログラム合成は、与えられた仕様を満たす基礎となるプログラミング言語からプログラムを自動的に見つけることを目的としている。 既存のプログラム合成技術はこの期待を十分に満たさず、スケーラビリティの問題に悩まされている。 本稿では、この問題を解決するために反復的遺伝的改善と呼ばれるプログラム合成の新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-02-26T02:00:35Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Latent Execution for Neural Program Synthesis Beyond Domain-Specific Languages [97.58968222942173]
  入力出力の例からCプログラムを合成する第一歩を踏み出す。 特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。 これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
  論文  参考訳（メタデータ） (2021-06-29T02:21:32Z)
• Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
  プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。 モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。 これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
  論文  参考訳（メタデータ） (2020-12-23T20:40:18Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)
• Learning Differentiable Programs with Admissible Neural Heuristics [43.54820901841979]
  ドメイン固有言語におけるプログラムとして表現される微分可能関数の学習問題について検討する。 我々は、この最適化問題を、プログラム構文のトップダウン導出を符号化した重み付きグラフの探索として構成する。 私たちの重要なイノベーションは、さまざまなニューラルネットワークのクラスを、プログラムの空間上の連続的な緩和と見なすことです。
  論文  参考訳（メタデータ） (2020-07-23T16:07:39Z)

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。