論文の概要: Inferring Non-Failure Conditions for Declarative Programs

• arxiv url: http://arxiv.org/abs/2402.12960v1
• Date: Tue, 20 Feb 2024 12:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 15:17:14.846909
• Title: Inferring Non-Failure Conditions for Declarative Programs
• Title（参考訳）: 宣言プログラムにおける非障害条件の推測
• Authors: Michael Hanus
• Abstract要約: 計算中の意図しない失敗は苦痛ですが、ソフトウェア開発では頻繁です。 意図しない引数で部分的に定義された操作を呼び出すような失敗のプログラミングは、ソフトウェアが正しいという仮定のため、しばしばキャッチされない。 本稿では,そのような仮定を検証するためのアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unintended failures during a computation are painful but frequent during software development. Failures due to external reasons (e.g., missing files, no permissions) can be caught by exception handlers. Programming failures, such as calling a partially defined operation with unintended arguments, are often not caught due to the assumption that the software is correct. This paper presents an approach to verify such assumptions. For this purpose, non-failure conditions for operations are inferred and then checked in all uses of partially defined operations. In the positive case, the absence of such failures is ensured. In the negative case, the programmer could adapt the program to handle possibly failing situations and check the program again. Our method is fully automatic and can be applied to larger declarative programs. The results of an implementation for functional logic Curry programs are presented.
• Abstract（参考訳）: 計算中の意図しない失敗は苦痛ですが、ソフトウェア開発では頻繁です。 外部の理由による失敗(ファイルの欠落、許可なしなど)は例外ハンドラによってキャッチされる。 意図しない引数で部分的に定義された操作を呼び出すような失敗のプログラミングは、ソフトウェアが正しいという仮定のため、しばしばキャッチされない。 本稿では,このような仮定を検証する手法を提案する。 この目的のために、オペレーションの非障害条件が推論され、部分定義されたオペレーションのすべての利用でチェックされる。 肯定的な場合には、そのような失敗がないことが保証される。 負の場合、プログラマはプログラムに障害のある状況に対処し、再度プログラムをチェックすることができる。 我々の方法は完全自動であり、より大きな宣言型プログラムに適用できる。 機能論理式カレープログラムの実装結果について報告する。

関連論文リスト

• NExT: Teaching Large Language Models to Reason about Code Execution [50.93581376646064]
  大規模言語モデル(LLM)のコードは通常、プログラムの表面テキスト形式に基づいて訓練される。 NExTは,プログラムの実行トレースを検査し,実行時の動作を判断する手法である。
  論文  参考訳（メタデータ） (2024-04-23T01:46:32Z)
• Reproducing Failures in Fault Signatures [5.458524825360132]
  障害箇所と元のソースコードから障害シグネチャを生成し、小さなプログラムで障害を再現する。 障害シグネチャは、障害を再現できる十分なステートメントのみを含むことを目的としています。 Corebench, BugBench, Manybugsの実際のバグに対する評価は, 障害シグネチャが元のプログラムの障害を再現できることを示している。
  論文  参考訳（メタデータ） (2023-09-20T02:14:38Z)
• On Feasibility of Declarative Diagnosis [0.0]
  論理プログラムの宣言的診断には有用な方法があり、実際のプログラミングでは有効であるべきだと論じる。 本稿では、その主な弱点について論じ、克服方法を示す。
  論文  参考訳（メタデータ） (2023-08-30T08:56:19Z)
• Fact-Checking Complex Claims with Program-Guided Reasoning [99.7212240712869]
  Program-Guided Fact-Checking (ProgramFC)は、複雑なクレームを単純なサブタスクに分解する新しいファクトチェックモデルである。 まず,大規模言語モデルの文脈内学習能力を活用して推論プログラムを生成する。 我々は,各サブタスクを対応するサブタスクハンドラに委譲することでプログラムを実行する。
  論文  参考訳（メタデータ） (2023-05-22T06:11:15Z)
• System Predictor: Grounding Size Estimator for Logic Programs under Answer Set Semantics [0.5801044612920815]
  本稿では,プログラムの基底サイズを推定するシステム予測器を提案する。 本稿では,Productor と Lpopt が生成したリライトのガイドとして使用するPredictor の効果を評価する。
  論文  参考訳（メタデータ） (2023-03-29T20:49:40Z)
• Execution Time Program Verification With Tight Bounds [6.36836017515443]
  本稿では,コア命令型プログラミング言語の実行時間境界を推論するための証明システムを提案する。 3つのケースに対してHoareロジックを定義し、注釈付きコスト対応操作セマンティクスに関してその健全性を証明する。 証明システムの実用性は、サンプルプログラムに適用するために必要な異なるモジュールのOCamlの実装で実証される。
  論文  参考訳（メタデータ） (2022-10-20T09:02:13Z)
• Fault-Aware Neural Code Rankers [64.41888054066861]
  サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。 我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-06-04T22:01:05Z)
• Learning from Self-Sampled Correct and Partially-Correct Programs [96.66452896657991]
  そこで本研究では,モデルが学習中にサンプリングを行い,自己サンプリングされた完全正当プログラムと部分正当プログラムの両方から学習することを提案する。 自己サンプリング型プログラムと部分修正型プログラムを併用することで,学習とサンプリングプロセスのガイドに役立てることができることを示す。 提案手法は,MLEを用いた単一の参照プログラムからの学習と比較して,パス@kの性能を3.1%から12.3%向上させる。
  論文  参考訳（メタデータ） (2022-05-28T03:31:07Z)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• Static Prediction of Runtime Errors by Learning to Execute Programs with External Resource Descriptions [31.46148643917194]
  実世界のデータセットと実行時のエラーを予測するタスクを導入します。 プログラムの実行を模倣する帰納的バイアスを持つインタプリタにインスパイアされたアーキテクチャを開発する。 また,このモデルでは,エラーの有無やエラーの種類を示すラベルにのみトレーニングされているにもかかわらず,エラーの位置を予測できることを示す。
  論文  参考訳（メタデータ） (2022-03-07T23:17:17Z)
• IReEn: Reverse-Engineering of Black-Box Functions via Iterative Neural Program Synthesis [70.61283188380689]
  ブラックボックスエージェントの機能を明らかにする際の問題点について検討する。 我々はブラックボックスの特権情報に頼るのではなく、プログラムの入力と出力のみにアクセスするというより弱い仮定の下で問題を調査する。 その結果, 提案手法は, 78%の症例において, ほぼ機能的な等価プログラムを見出すことにより, 現状よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-06-18T17:50:48Z)

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。