Fugu-MT 論文翻訳(概要): Development of an automatic modification system for generated programs using ChatGPT

論文の概要: Development of an automatic modification system for generated programs using ChatGPT

arxiv url: http://arxiv.org/abs/2407.07469v1
Date: Wed, 10 Jul 2024 08:54:23 GMT
ステータス: 処理完了
システム内更新日: 2024-07-11 17:21:35.011688
Title: Development of an automatic modification system for generated programs using ChatGPT
Title（参考訳）: ChatGPTを用いた生成プログラムの自動修正システムの開発
Authors: Jun Yoshida, Oh Sato, Hane Kondo, Hiroaki Hashiura, Atsuo Hazeyama,
Abstract要約: OpenAIのChatGPTは自然言語処理タスクに優れ、ソースコードも生成できる。我々はChatGPTで生成されたコードをテストし、不適切であれば自動的に修正し、適切なコードをユーザに提示するシステムを開発した。
参考スコア（独自算出の注目度）: 0.12233362977312943
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In recent years, the field of artificial intelligence has been rapidly developing. Among them, OpenAI's ChatGPT excels at natural language processing tasks and can also generate source code. However, the generated code often has problems with consistency and program rules. Therefore, in this research, we developed a system that tests the code generated by ChatGPT, automatically corrects it if it is inappropriate, and presents the appropriate code to the user. This study aims to address the challenge of reducing the manual effort required for the human feedback and modification process for generated code. When we ran the system, we were able to automatically modify the code as intended.
Abstract（参考訳）: 近年、人工知能の分野は急速に発展している。中でもOpenAIのChatGPTは自然言語処理タスクに優れており、ソースコードも生成できる。しかし、生成されたコードは、一貫性とプログラムルールに問題があることが多い。そこで本研究では,ChatGPTが生成したコードをテストし,不適切であれば自動的に修正し,適切なコードをユーザに提示するシステムを開発した。本研究の目的は,生成されたコードに対する人間のフィードバックと修正プロセスに必要な手作業を削減することにある。システムを実行すると、意図したコードを自動的に修正することができました。

関連論文リスト

NoviCode: Generating Programs from Natural Language Utterances by Novices [59.71218039095155]
初心者非プログラマによるAPIと自然言語記述を入力とする新しいNLプログラミングタスクであるNoviCodeを提示する。我々は、NoviCodeがコード合成領域における挑戦的なタスクであることを示し、非技術的命令から複雑なコードを生成することは、現在のText-to-Codeパラダイムを超えている。
論文参考訳（メタデータ） (2024-07-15T11:26:03Z)
Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文参考訳（メタデータ） (2024-06-24T15:45:22Z)
Automatic Programming: Large Language Models and Beyond [48.34544922560503]
我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
論文参考訳（メタデータ） (2024-05-03T16:19:24Z)
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)
Genetic Auto-prompt Learning for Pre-trained Code Intelligence Language Models [54.58108387797138]
コードインテリジェンスタスクにおける即時学習の有効性について検討する。既存の自動プロンプト設計手法は、コードインテリジェンスタスクに限られている。本稿では、精巧な遺伝的アルゴリズムを用いてプロンプトを自動設計する遺伝的オートプロンプト(GenAP)を提案する。
論文参考訳（メタデータ） (2024-03-20T13:37:00Z)
Investigating the Utility of ChatGPT in the Issue Tracking System: An Exploratory Study [5.176434782905268]
本研究は,ChatGPTと開発者間の相互作用を分析し,それらの活動を分析し,解決するものである。私たちの調査によると、開発者は主にブレインストーミングソリューションにChatGPTを使用しているが、しばしばChatGPT生成コードを使う代わりにコードを書くことを選ぶ。
論文参考訳（メタデータ） (2024-02-06T06:03:05Z)
Code Swarm: A Code Generation Tool Based on the Automatic Derivation of Transformation Rule Set [0.7182245711235297]
我々は、システム設計モデルから実装コードを自動的に生成するCode Swarmという新しいツール、CodSを紹介した。この結果から,CodSが生成したコードは入力設計モデルと一致していることが示唆された。
論文参考訳（メタデータ） (2023-12-03T22:47:42Z)
No Need to Lift a Finger Anymore? Assessing the Quality of Code Generation by ChatGPT [28.68768157452352]
本稿では,ChatGPTを用いたコード生成の質について検討する。私たちは5つの言語(C、C++、Java、Python、JavaScript)で728のアルゴリズム問題と、コード生成タスクの54のコードシナリオを持つ18のCWEを活用しています。この結果から,ChatGPTベースのコード生成に生じる潜在的な問題や限界が明らかになった。
論文参考訳（メタデータ） (2023-08-09T10:01:09Z)
Automated Code Editing with Search-Generate-Modify [24.96672652375192]
本稿では,コード検索,生成,修正のパワーを活用して,コード編集をより良く合成するためのハイブリッドアプローチを提案する。 SARGAMは、実際の開発者のコード編集動作を模倣するように設計された新しいツールである。
論文参考訳（メタデータ） (2023-06-10T17:11:21Z)
Improving ChatGPT Prompt for Code Generation [13.303599826870705]
OpenAIの言語モデルChatGPTは、幅広いテキスト入力に対するヒューマンライクな応答を生成する強力なツールとして登場した。テキスト・ツー・コード生成とコード・ツー・コード生成を含む2つのコード生成タスクにおけるChatGPTの機能を評価する。その結果,ChatGPTをガイドするプロンプトを慎重に設計することで,生成性能を大幅に向上できることがわかった。
論文参考訳（メタデータ） (2023-05-15T05:37:33Z)
Measuring Coding Challenge Competence With APPS [54.22600767666257]
コード生成のベンチマークであるAPPSを紹介する。私たちのベンチマークには1万の問題が含まれています。 GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
論文参考訳（メタデータ） (2021-05-20T17:58:42Z)

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。