論文の概要: LLM-based Control Code Generation using Image Recognition
- arxiv url: http://arxiv.org/abs/2311.10401v1
- Date: Fri, 17 Nov 2023 09:04:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 15:25:08.188420
- Title: LLM-based Control Code Generation using Image Recognition
- Title(参考訳): 画像認識を用いたLLM制御コード生成
- Authors: Heiko Koziolek, Anne Koziolek
- Abstract要約: 以前の制御ロジックコード生成の試みでは、プロセスエンジニアによる図面の解釈方法が欠けていた。
最近のLLMは、画像認識、訓練済みのドメイン知識、コーディングスキルを組み合わせている。
画像認識を用いたP&ID(Piping-and-Instrumentation Diagram)からIEC 61131-3構造テキスト制御ロジックのソースコードを生成するLLMベースの新しいコード生成手法を提案する。
- 参考スコア(独自算出の注目度): 2.1206136304665413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based code generation could save significant manual efforts in industrial
automation, where control engineers manually produce control logic for
sophisticated production processes. Previous attempts in control logic code
generation lacked methods to interpret schematic drawings from process
engineers. Recent LLMs now combine image recognition, trained domain knowledge,
and coding skills. We propose a novel LLM-based code generation method that
generates IEC 61131-3 Structure Text control logic source code from
Piping-and-Instrumentation Diagrams (P&IDs) using image recognition. We have
evaluated the method in three case study with industrial P&IDs and provide
first evidence on the feasibility of such a code generation besides experiences
on image recognition glitches.
- Abstract(参考訳): LLMベースのコード生成は、制御エンジニアが高度な生産プロセスのために手動で制御ロジックを作成する産業自動化における重要な手作業を救う可能性がある。
以前の制御ロジックコード生成の試みでは、プロセスエンジニアによる図面の解釈方法がなかった。
最近のLLMは、画像認識、訓練済みのドメイン知識、コーディングスキルを組み合わせている。
画像認識を用いたP&ID(Piping-and-Instrumentation Diagram)からIEC 61131-3構造テキスト制御ロジックのソースコードを生成するLLMベースの新しいコード生成手法を提案する。
本手法を産業用P&IDを用いた3つのケーススタディで評価し,画像認識における経験以外に,このようなコード生成の可能性に関する最初の証拠を提供する。
関連論文リスト
- CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code [59.32609948217718]
我々は,Large Language Models(LLM)ベースのコード生成のための新しい透かし技術であるCodeIPを提案する。
CodeIPは、生成されたコードのセマンティクスを保持しながら、マルチビット情報の挿入を可能にする。
論文 参考訳(メタデータ) (2024-04-24T04:25:04Z) - Projective Systematic Authentication via Reed-Muller Codes [20.802423208503082]
本稿では,2進線形符号に基づく計画的体系的認証方式を構築することの問題点について検討する。
本稿では,与えられたコード中の高次元のコードワードにマッピングされたソースを,まず低次元ベクトルに投影する一般的な投影法を提案する。
本稿では,認証システムの性能を評価するための主要な指標として広く考えられている,偽造の確率に関する分析結果を提供する。
論文 参考訳(メタデータ) (2024-04-13T21:58:02Z) - CodecLM: Aligning Language Models with Tailored Synthetic Data [51.59223474427153]
命令追従能力のための高品質な合成データを適応的に生成するフレームワークであるCodecLMを紹介する。
まず、ターゲットの指示分布をキャプチャするために、オンザフライで生成された簡潔なキーワードであるメタデータにシード命令をエンコードする。
また、デコード中に自己論理とコントラストフィルタを導入し、データ効率の良いサンプルを調整する。
論文 参考訳(メタデータ) (2024-04-08T21:15:36Z) - StepCoder: Improve Code Generation with Reinforcement Learning from
Compiler Feedback [58.20547418182074]
2つの主要コンポーネントからなるコード生成の新しいフレームワークであるStepCoderを紹介します。
CCCSは、長いシーケンスのコード生成タスクをCurriculum of Code Completion Subtaskに分割することで、探索課題に対処する。
FGOは、未実行のコードセグメントをマスクすることでのみモデルを最適化し、Fine-Grained Optimizationを提供する。
提案手法は,出力空間を探索し,対応するベンチマークにおいて最先端の手法より優れた性能を発揮する。
論文 参考訳(メタデータ) (2024-02-02T13:14:31Z) - Using LLM such as ChatGPT for Designing and Implementing a RISC
Processor: Execution,Challenges and Limitations [11.07566083431614]
この論文は、解析、トークン化、エンコーディング、アテンションメカニズム、コード生成時のトークンとイテレーションのサンプリングなど、関連するステップについてレビューする。
RISCコンポーネントの生成されたコードは、FPGA基板上でテストベンチとハードウェア実装によって検証される。
論文 参考訳(メタデータ) (2024-01-18T20:14:10Z) - Self-correcting LLM-controlled Diffusion Models [83.26605445217334]
自己補正LPM制御拡散(SLD)を導入する
SLDは、入力プロンプトから画像を生成し、プロンプトとアライメントを評価し、生成した画像の不正確性に対して自己補正を行うフレームワークである。
提案手法は, 生成数, 属性結合, 空間的関係において, 不正確な世代の大部分を補正することができる。
論文 参考訳(メタデータ) (2023-11-27T18:56:37Z) - Benchmarking and Explaining Large Language Model-based Code Generation:
A Causality-Centric Approach [12.214585409361126]
大規模言語モデル(LLM)ベースのコード生成は複雑で強力なブラックボックスモデルである。
本稿では,プロンプトと生成されたコードの因果グラフに基づく新しい表現を提案する。
我々は,12以上の迅速な調整戦略で3つの人気のあるLCMを研究することで,我々のフレームワークが提供できる洞察について説明する。
論文 参考訳(メタデータ) (2023-10-10T14:56:26Z) - Test-Case-Driven Programming Understanding in Large Language Models for
Better Code Generation [15.166827643436346]
muFiXは、大きな言語モデル(LLM)のコード生成性能を改善する新しいプロンプト技術である。
まず、テストケース分析を利用して仕様の理解を得、自己改善プロセスを可能にする。
muFiXはさらに、提供された理解と実際の理解の間のギャップを減らす方向に向けた仕様理解を修正している。
論文 参考訳(メタデータ) (2023-09-28T02:58:07Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳(メタデータ) (2023-05-31T05:24:48Z) - ChatGPT for PLC/DCS Control Logic Generation [1.773257587850857]
生成AIを提供する大規模言語モデル(LLM)は、ソースコードの作成、要約、最適化、文書化においてソフトウェアエンジニアをサポートするために人気を集めている。
LLMがプログラミングタスクで典型的な制御プログラム言語を使用して制御エンジニアをどのようにサポートできるかは、まだ分かっていない。
10のカテゴリで100個のLCMプロンプトを作成し、自然言語からPLCとDCSの制御ロジック生成を解析した。
論文 参考訳(メタデータ) (2023-05-25T07:46:53Z) - LLM-CXR: Instruction-Finetuned LLM for CXR Image Understanding and Generation [51.08810811457617]
LLMにおける視覚言語アライメントは、マルチモーダル推論とビジュアルIOを可能にするために活発に研究されている。
医用画像の視覚言語能力を得るために,テキストのみにLLMを指導する手法を開発した。
このアプローチで訓練したLLM-CXRは,CXR理解タスクと生成タスクの両方において,より優れた画像テキストアライメントを示す。
論文 参考訳(メタデータ) (2023-05-19T07:44:39Z)
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。