論文の概要: Aptly: Making Mobile Apps from Natural Language

• arxiv url: http://arxiv.org/abs/2405.00229v1
• Date: Tue, 30 Apr 2024 22:33:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-02 16:56:48.445695
• Title: Aptly: Making Mobile Apps from Natural Language
• Title（参考訳）: Aptly: モバイルアプリを自然言語から作る
• Authors: Evan W. Patton, David Y. J. Kim, Ashley Granquist, Robin Liu, Arianna Scott, Jennet Zamanova, Harold Abelson,
• Abstract要約: Aptlyは、自然言語によるモバイルアプリ開発を可能にするMIT App Inventorプラットフォームの拡張機能である。 本稿は,Aptlyの実践性とユーザエクスペリエンスを考察した,高校生を対象としたパイロット実装に関する考察から結論を得たものである。
• 参考スコア（独自算出の注目度）: 0.7852714805965528
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present Aptly, an extension of the MIT App Inventor platform enabling mobile app development via natural language powered by code-generating large language models (LLMs). Aptly complements App Inventor's block language with a text language designed to allow visual code generation via text-based LLMs. We detail the technical aspects of how the Aptly server integrates LLMs with a realtime collaboration function to facilitate the automated creation and editing of mobile apps given user instructions. The paper concludes with insights from a study of a pilot implementation involving high school students, which examines Aptly's practicality and user experience. The findings underscore Aptly's potential as a tool that democratizes app development and fosters technological creativity.
• Abstract（参考訳）: 我々は、コード生成大型言語モデル(LLM)を利用した自然言語によるモバイルアプリ開発を可能にする、MIT App Inventorプラットフォームの拡張機能であるAptlyを紹介する。 Aptlyは、App Inventorのブロック言語を、テキストベースのLLMによるビジュアルコード生成を可能にするように設計されたテキスト言語で補完する。 本稿では,Aptly サーバが LLM とリアルタイム協調機能を統合し,ユーザの指示に応じてモバイルアプリの自動作成と編集を容易にする技術的側面について詳述する。 本稿は,Aptlyの実践性とユーザエクスペリエンスを考察した,高校生を対象としたパイロット実装に関する考察から結論を得たものである。 この発見は、アプリ開発を民主化し、技術的創造性を育むツールとして、Aptlyの可能性を浮き彫りにした。

関連論文リスト

• Beyond Syntax: Action Semantics Learning for App Agents [60.56331102288794]
  アクションセマンティックス学習(ASL、Action Semantics Learning)は、学習目的が真理行動の意味を捉える学習フレームワークである。 ASLは既存のメソッドよりもApp Agentの精度と一般化を大幅に改善する。
  論文  参考訳（メタデータ） (2025-06-21T12:08:19Z)
• Creating General User Models from Computer Use [62.91116265732001]
  本稿では,コンピュータとのインタラクションを観察することでユーザについて学習する汎用ユーザモデル(GUM)のアーキテクチャを提案する。 GUMは、ユーザ(例えばデバイスのスクリーンショット)の非構造化観察を入力として受け取り、ユーザの知識と好みをキャプチャする信頼度重み付け命題を構築する。
  論文  参考訳（メタデータ） (2025-05-16T04:00:31Z)
• LELANTE: LEveraging LLM for Automated ANdroid TEsting [6.112769800569302]
  既存のテストアプローチでは、開発者はAppiumやEspressoといったツールを使って手動でスクリプトを書き、対応するテストケースを実行する必要がある。 LELANTEは,大規模な言語モデル(LLM)を用いて,プリスクリプトを必要とせずにテストケースの実行を自動化する新しいフレームワークである。 10のAndroidアプリケーションにまたがる390のテストケースを対象とした実験では、LELANTEが73%のテスト実行の成功率を達成した。
  論文  参考訳（メタデータ） (2025-04-29T16:13:49Z)
• A Platform for Generating Educational Activities to Teach English as a Second Language [0.4449871723380465]
  英語を外国語として教えることを目的とした教育活動の創出のためのプラットフォームを提示する。 ゲームと言語練習の異なるアクティビティは、自然言語処理のテクニックを強くベースとしています。
  論文  参考訳（メタデータ） (2025-04-28T20:43:40Z)
• debug-gym: A Text-Based Environment for Interactive Debugging [55.11603087371956]
  大規模言語モデル(LLM)は、コーディングタスクにますます依存している。 LLMは、タスクに関連する情報を集めるために対話的にAを探索する能力の恩恵を受けることができると仮定する。 対話型符号化環境において,LLMベースのエージェントを開発するためのテキスト環境,すなわちデバッグジャムを提案する。
  論文  参考訳（メタデータ） (2025-03-27T14:43:28Z)
• LLMs in Mobile Apps: Practices, Challenges, and Opportunities [4.104646810514711]
  AI技術の統合は、ソフトウェア開発でますます人気が高まっている。 大規模言語モデル(LLM)と生成AIの台頭により、開発者は、クローズドソースプロバイダから豊富な高品質のオープンソースモデルとAPIにアクセスできるようになる。
  論文  参考訳（メタデータ） (2025-02-21T19:53:43Z)
• Large Action Models: From Inception to Implementation [51.81485642442344]
  大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。 LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。 創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:19:56Z)
• MaestroMotif: Skill Design from Artificial Intelligence Feedback [67.17724089381056]
  MaestroMotifはAI支援スキルデザインの手法であり、高性能で適応可能なエージェントを生成する。 本稿では,AIを活用したスキルデザイン手法であるMaestroMotifについて述べる。
  論文  参考訳（メタデータ） (2024-12-11T16:59:31Z)
• A Contemporary Overview: Trends and Applications of Large Language Models on Mobile Devices [0.0]
  大きな言語モデル(LLM)は、より自然でパーソナライズされたユーザーエクスペリエンスを提供する。 モバイルデバイスへのデプロイメントは、インテリジェントデバイス分野において、徐々に重要なトレンドになりつつある。 LLMは、音声アシスタント、リアルタイム翻訳、インテリジェントレコメンデーションなどの応用において、大きな可能性を実証している。
  論文  参考訳（メタデータ） (2024-12-04T23:25:03Z)
• On-Device Language Models: A Comprehensive Review [26.759861320845467]
  資源制約のあるデバイスに計算コストの高い大規模言語モデルをデプロイする際の課題について検討する。 論文は、デバイス上での言語モデル、その効率的なアーキテクチャ、および最先端の圧縮技術について考察する。 主要モバイルメーカーによるオンデバイス言語モデルのケーススタディは、実世界の応用と潜在的な利益を実証している。
  論文  参考訳（メタデータ） (2024-08-26T03:33:36Z)
• Cocobo: Exploring Large Language Models as the Engine for End-User Robot Programming [3.041618201510648]
  大規模言語モデル(LLMs)を利用した対話型ダイアグラムを備えた自然言語プログラミングシステムであるCocoboを紹介する。 Cocobo は LLM を使用してユーザのオーサリング意図を理解し、ロボットプログラムを生成し、説明し、実行可能なコードとフローチャート表現の変換を容易にする。 ユーザスタディによると、Cocoboは学習曲線が低く、コーディング経験のないユーザでもロボットプログラムをうまくカスタマイズできる。
  論文  参考訳（メタデータ） (2024-07-30T10:13:00Z)
• If LLM Is the Wizard, Then Code Is the Wand: A Survey on How Code Empowers Large Language Models to Serve as Intelligent Agents [81.60906807941188]
  大型言語モデル(LLM)は、自然言語と形式言語(コード)の組み合わせに基づいて訓練される コードは、標準構文、論理一貫性、抽象化、モジュール性を備えた高レベルの目標を実行可能なステップに変換する。
  論文  参考訳（メタデータ） (2024-01-01T16:51:20Z)
• Intelligent Virtual Assistants with LLM-based Process Automation [31.275267197246595]
  本稿では,高レベルのユーザ要求に基づいて,モバイルアプリ内のマルチステップ操作を自動的に実行可能な,LLMベースの新しい仮想アシスタントを提案する。 このシステムは、指示を解析し、目標を推論し、行動を実行するエンドツーエンドのソリューションを提供することによって、アシスタントの進歩を表す。
  論文  参考訳（メタデータ） (2023-12-04T07:51:58Z)
• Lessons from Building StackSpot AI: A Contextualized AI Coding Assistant [2.268415020650315]
  大規模言語モデル上に構築された新しいタイプのツールが登場しつつある。 これらのツールは、微調整やコンテキスト情報によるユーザプロンプトの強化といった手法を用いて、欠点を軽減することを目的としている。
  論文  参考訳（メタデータ） (2023-11-30T10:51:26Z)
• LM-Polygraph: Uncertainty Estimation for Language Models [71.21409522341482]
  不確実性推定(UE)手法は、大規模言語モデル(LLM)の安全性、責任性、効果的な利用のための1つの経路である。 テキスト生成タスクにおけるLLMの最先端UEメソッドのバッテリを実装したフレームワークであるLM-PolygraphをPythonで統一したプログラムインタフェースで導入する。 研究者によるUEテクニックの一貫した評価のための拡張可能なベンチマークと、信頼スコア付き標準チャットダイアログを強化するデモWebアプリケーションを導入している。
  論文  参考訳（メタデータ） (2023-11-13T15:08:59Z)
• PwR: Exploring the Role of Representations in Conversational Programming [17.838776812138626]
  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。
  論文  参考訳（メタデータ） (2023-09-18T05:38:23Z)
• When Large Language Models Meet Personalization: Perspectives of Challenges and Opportunities [60.5609416496429]
  大規模言語モデルの能力は劇的に改善されている。 このような大きな飛躍的なAI能力は、パーソナライゼーションの実施方法のパターンを変えるだろう。 大規模言語モデルを汎用インターフェースとして活用することにより、パーソナライズシステムはユーザ要求を計画にコンパイルすることができる。
  論文  参考訳（メタデータ） (2023-07-31T02:48:56Z)
• Natural Language Commanding via Program Synthesis [0.29360071145551064]
  Microsoft Officeのような生産性ソフトウェアのための自然言語フレンドリなAIシステムであるSemantic Interpreterを紹介する。 LLMは自然言語として表現されるユーザインテントを理解するのに優れていますが、アプリケーション固有のユーザインテントを満たすには不十分です。 私たちは、Officeアプリケーションにおけるエンティティのアクションの実行とインタラクションに特化した簡潔でハイレベルな言語であるOffice Domain Specific Language (O)を紹介します。
  論文  参考訳（メタデータ） (2023-06-06T07:28:49Z)
• 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)
• Self-Checker: Plug-and-Play Modules for Fact-Checking with Large Language Models [75.75038268227554]
  Self-Checkerはファクトチェックを容易にするプラグインとプレイモジュールからなるフレームワークである。 このフレームワークは、低リソース環境でファクトチェックシステムを構築するための、高速で効率的な方法を提供する。
  論文  参考訳（メタデータ） (2023-05-24T01:46:07Z)
• Low-code LLM: Graphical User Interface over Large Language Models [115.08718239772107]
  本稿では,人間-LLMインタラクションフレームワークであるLow-code LLMを紹介する。 より制御可能で安定した応答を実現するために、6種類のシンプルなローコードビジュアルプログラミングインタラクションを組み込んでいる。 ユーザフレンドリなインタラクション,制御可能な生成,広い適用性という,低コード LLM の3つの利点を強調した。
  論文  参考訳（メタデータ） (2023-04-17T09:27:40Z)
• Teachable Reality: Prototyping Tangible Augmented Reality with Everyday Objects by Leveraging Interactive Machine Teaching [4.019017835137353]
  Teachable Realityは、任意の日常オブジェクトでインタラクティブな有形ARアプリケーションを作成するための拡張現実(AR)プロトタイプツールである。 オンデマンドコンピュータビジョンモデルを用いて、ユーザ定義の有形および外見的相互作用を識別する。 当社のアプローチは,ARプロトタイプ作成の障壁を低くすると同時に,フレキシブルで汎用的なプロトタイピング体験を可能にする。
  論文  参考訳（メタデータ） (2023-02-21T23:03:49Z)
• 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)
• A Case Study in Engineering a Conversational Programming Assistant's Persona [72.47187215119664]
  会話能力は、既存のコード流大言語モデルを使用することで達成された。 プロンプトの進化に関する議論は、既存の基礎モデルを特定のアプリケーションに望ましい方法で振る舞う方法に関するケーススタディを提供する。
  論文  参考訳（メタデータ） (2023-01-13T14:48:47Z)
• LAVIS: A Library for Language-Vision Intelligence [98.88477610704938]
  LAVISは、LAnguage-VISionの研究と応用のためのオープンソースライブラリである。 最先端の画像言語、ビデオ言語モデル、一般的なデータセットに容易にアクセスできる統一インターフェースを備えている。
  論文  参考訳（メタデータ） (2022-09-15T18:04:10Z)
• Text2App: A Framework for Creating Android Apps from Text Descriptions [5.694344021692763]
  Text2Appは、自然言語仕様から機能的なAndroidアプリケーションを作成できるフレームワークである。 自然言語を、トークンの数が大幅に少ないアプリケーションを表す抽象的な中間形式言語に変換します。 このプログラミングの詳細の抽象化により、seq2seqネットワークはより少ないオーバーヘッドで複雑なアプリケーション構造を学べる。
  論文  参考訳（メタデータ） (2021-04-16T18:13:10Z)
• 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。