論文の概要: Amortizing Pragmatic Program Synthesis with Rankings

• arxiv url: http://arxiv.org/abs/2407.02499v1
• Date: Sat, 1 Jun 2024 22:55:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-07 13:24:39.557324
• Title: Amortizing Pragmatic Program Synthesis with Rankings
• Title（参考訳）: ランク付けによる実用的プログラム合成の精度向上
• Authors: Yewen Pu, Saujas Vaduguru, Priyan Vaithilingam, Elena Glassman, Daniel Fried,
• Abstract要約: 合理的音声法(RSA)フレームワークの使用は、プログラムシンセサイザーの構築に成功している。 遅くて正確なRSAシンセサイザーを再生する一般的な方法を提案する。
• 参考スコア（独自算出の注目度）: 17.775664476910247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The usage of Rational Speech Acts (RSA) framework has been successful in building \emph{pragmatic} program synthesizers that return programs which, in addition to being logically consistent with user-generated examples, account for the fact that a user chooses their examples informatively. We present a general method of amortizing the slow, exact RSA synthesizer. Our method first query the exact RSA synthesizer to compile a communication dataset. The dataset contains a number of example-dependent rankings of subsets of programs. It then distills a \textit{single} global ranking of all programs as an approximation to every ranking in the dataset. This global ranking is then used at inference time to rank multiple logically consistent candidate programs generated from a fast, non-pragmatic synthesizer. Experiments on two program synthesis domains using our ranking method resulted in orders of magnitudes of speed ups compared to the exact RSA synthesizer, while being more accurate than a non-pragmatic synthesizer when communicating with humans. Finally, we prove that in the special case of synthesis from a single example, this approximation is exact.
• Abstract（参考訳）: RA(Rational Speech Acts)フレームワークは,ユーザ生成例と論理的に整合性を持つプログラムを返却するプログラムシンセサイザーの構築に成功している。 遅くて正確なRSAシンセサイザーを再生する一般的な方法を提案する。 提案手法は,まず正確なRSAシンセサイザーに問い合わせて,通信データセットをコンパイルする。 データセットには、プログラムのサブセットのサンプル依存ランキングが含まれている。 その後、データセット内のすべてのランキングに対する近似として、すべてのプログラムのグローバルランキングを蒸留する。 このグローバルランキングは、高速な非実用的シンセサイザーから生成される複数の論理的に一貫した候補プログラムを推論時にランク付けする。 本手法を用いた2つのプログラム合成領域の実験により,人間との通信において,非実用的合成器よりも精度が高く,精度が向上した。 最後に、一つの例から合成する特別な場合において、この近似は正確であることを示す。

関連論文リスト

• SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
  トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。 その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-05-16T12:22:41Z)
• Guiding Enumerative Program Synthesis with Large Language Models [15.500250058226474]
  本稿では,形式的合成ベンチマークを解くための大規模言語モデルの能力を評価する。 ワンショット合成が失敗すると,新しい列挙合成アルゴリズムを提案する。 形式的合成のためのスタンドアロンツールとしてGPT-3.5は,最先端の形式的合成アルゴリズムにより容易に性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-03-06T19:13:53Z)
• Generating Pragmatic Examples to Train Neural Program Synthesizers [20.819451354452085]
  優れたシンセサイザーは、与えられたサンプルセットと整合した多くのプログラムから意図したプログラムを選択する必要がある。 本稿では,ニューラルネットワークを用いた新しい検索手法を提案する。
  論文  参考訳（メタデータ） (2023-11-09T20:53:00Z)
• Amortizing Pragmatic Program Synthesis with Rankings [19.070549715732483]
  プログラム合成において、インテリジェントシステムはユーザ生成例の集合を取り込み、これらの例と論理的に整合したプログラムを返す。 合理的音声法(RSA)フレームワークの使用は、プログラムシンセサイザーの構築に成功している。 この研究は、すべての仮説を単一の全順序で順序付けする言語的プラグマティックランキングを活用することにより、RSAアルゴリズムを再生する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T20:12:01Z)
• ExeDec: Execution Decomposition for Compositional Generalization in Neural Program Synthesis [54.18659323181771]
  プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。 本稿では,ExeDecを提案する。ExeDecは,実行サブゴールを予測し,各ステップでプログラム実行によって段階的に通知される問題を解くための,新しい分解ベースの戦略である。
  論文  参考訳（メタデータ） (2023-07-26T01:07:52Z)
• 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)
• Efficient Pragmatic Program Synthesis with Informative Specifications [13.234975857626752]
  本研究では,プログラムの協調分布を独立要因の積で近似することにより,実用的かつ効率的なプログラムシンセサイザーを構築することができることを示す。 因子近似を仮定するシンセサイザーは, 人間の入力に対して正確な関節分布を仮定するシンセサイザーよりも優れていた。
  論文  参考訳（メタデータ） (2022-04-05T21:25:58Z)
• 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)
• Synthesize, Execute and Debug: Learning to Repair for Neural Program Synthesis [81.54148730967394]
  本稿では,合成,実行,デバッグの段階を組み込んだニューラルネットワーク生成フレームワークであるSEDを提案する。 SEDはまず、神経プログラムシンセサイザーコンポーネントを使用して初期プログラムを生成し、その後、神経プログラムデバッガを使用して生成されたプログラムを反復的に修復する。 挑戦的な入出力プログラム合成ベンチマークであるKarelでは、SEDはニューラルプログラムシンセサイザー自体のエラー率をかなりのマージンで削減し、デコードのための標準ビームサーチより優れている。
  論文  参考訳（メタデータ） (2020-07-16T04:15:47Z)
• Program Synthesis with Pragmatic Communication [28.24612900419843]
  本研究では,プログラム合成タスクを合理的なコミュニケーションとしてモデル化した新しい帰納的バイアスを導入する。 ユーザスタディでは、エンドユーザの参加者が、非実用的なプログラムシンセサイザーよりも、より効果的に、実践的なプログラムシンセサイザーと通信することを発見した。
  論文  参考訳（メタデータ） (2020-07-09T20:55:44Z)

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。