Fugu-MT 論文翻訳(概要): From a Natural to a Formal Language with DSL Assistant

論文の概要: From a Natural to a Formal Language with DSL Assistant

arxiv url: http://arxiv.org/abs/2408.09766v1
Date: Mon, 19 Aug 2024 07:53:56 GMT
ステータス: 処理完了
システム内更新日: 2024-08-20 17:14:27.193836
Title: From a Natural to a Formal Language with DSL Assistant
Title（参考訳）: DSLアシスタントによる自然言語から形式言語へ
Authors: My M. Mosthaf, Andrzej Wąsowski,
Abstract要約: DSL の開発を支援するために生成言語モデルを統合するツールである DSL Assistant の設計と試作を行う。 DSL Assistantは、OpenAIのアシスタントAPIとGPT-4oを使用して、DSL文法とサンプルインスタンスを生成する。我々の実験によると、DSL AssistantはユーザーがDSLを作成し、修正するのに役立つ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The development of domain-specific languages (DSLs) is a laborious and iterative process that seems to naturally lean to the use of generative artificial intelligence. We design and prototype DSL Assistant, a tool that integrates generative language models to support the development of DSLs. DSL Assistant uses OpenAI's assistant API with GPT-4o to generate DSL grammars and example instances. To reflect real-world use, DSL Assistant supports several different interaction modes for evolving a DSL design, and includes automatic error repair. Our experiments show that DSL Assistant helps users to create and modify DSLs. However, the quality of the generated DSLs depends on the specific domain and the followed interaction patterns.
Abstract（参考訳）: ドメイン固有言語(DSL)の開発は、自然に生成的人工知能の使用に傾倒しているように見える、退屈で反復的なプロセスである。 DSL の開発を支援するために生成言語モデルを統合するツールである DSL Assistant の設計と試作を行う。 DSL Assistantは、OpenAIのアシスタントAPIとGPT-4oを使用して、DSL文法とサンプルインスタンスを生成する。現実世界の使用を反映するため、DSL AssistantはDSL設計を進化させるための様々なインタラクションモードをサポートし、自動エラー修正を含む。我々の実験によると、DSL AssistantはユーザーがDSLを作成し、修正するのに役立つ。しかし、生成されたDSLの品質は、特定のドメインとそれに続く相互作用パターンに依存します。

関連論文リスト

Development and Evolution of Xtext-based DSLs on GitHub: An Empirical Investigation [3.6239962192634865]
Xtext関連のプロジェクトを含む1002のGitHubリポジトリを分析した。私たちは、開発シナリオ、進化活動、関連するアーティファクトの共進化を含むDSL開発プラクティスを調査しました。その結果、ほとんどの分析済みDSLは文法駆動のアプローチに従ったが、メタモデル駆動のアプローチを採用した者もいた。
論文参考訳（メタデータ） (2025-01-31T15:28:38Z)
Automated Detection of Inter-Language Design Smells in Multi-Language Deep Learning Frameworks [16.812642895880156]
不適切な言語間相互作用は、複数のプログラミング言語(PL)、すなわちILDS(Inter-Language Design Smells)を含む設計臭いをもたらす可能性がある。この研究は、PythonとC/C++の組み合わせで書かれた多言語DLFでILDSを自動的に検出するアプローチを開発する。 CPSMELLツールは、そのようなILDSを自動的に検出するための検出ルールを実装し、ツールの精度を手動で検証する。
論文参考訳（メタデータ） (2024-12-16T15:22:36Z)
A Comparative Study of DSL Code Generation: Fine-Tuning vs. Optimized Retrieval Augmentation [0.0]
本稿では,Large Language Models (LLM) を用いた検索拡張生成(RAG)によるDSL生成の最適化について述べる。その結果, コード類似度測定では, 微調整モデルが最も優れていた。我々は、最適化されたRAGモデルが微調整されたモデルの品質と一致し、新しい、目に見えないAPIに利点をもたらすと結論付けている。
論文参考訳（メタデータ） (2024-07-03T01:28:51Z)
CMULAB: An Open-Source Framework for Training and Deployment of Natural Language Processing Models [59.91221728187576]
本稿では,NLPモデルのモデル展開と連続的なヒューマン・イン・ザ・ループの微調整を簡単にするオープンソースフレームワークであるCMU言語バックエンドを紹介する。 CMULABは、マルチ言語モデルのパワーを活用して、音声認識、OCR、翻訳、構文解析などの既存のツールを新しい言語に迅速に適応し、拡張することができる。
論文参考訳（メタデータ） (2024-04-03T02:21:46Z)
ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文参考訳（メタデータ） (2023-07-16T02:11:34Z)
ChatPLUG: Open-Domain Generative Dialogue System with Internet-Augmented Instruction Tuning for Digital Human [76.62897301298699]
ChatPLUGは、デジタルヒューマンアプリケーションのための中国のオープンドメイン対話システムである。モデルネームは, 自動評価と人的評価の両方において, 最先端の中国語対話システムより優れていることを示す。高速な推論でスマートスピーカーやインスタントメッセージアプリケーションのような実世界のアプリケーションにモデルネームをデプロイします。
論文参考訳（メタデータ） (2023-04-16T18:16:35Z)
MULTI3NLU++: A Multilingual, Multi-Intent, Multi-Domain Dataset for Natural Language Understanding in Task-Oriented Dialogue [115.32009638844059]
英語のみのNLU++データセットを拡張して、手動による翻訳を高、中、低リソース言語に含めます。 Multi3NLU++はそのマルチインテント特性のため、複雑で自然なユーザ目標を表現している。我々はMulti3NLU++を用いて、インテント検出やスロットラベリングといった自然言語理解タスクに対して、最先端の多言語モデルをベンチマークする。
論文参考訳（メタデータ） (2022-12-20T17:34:25Z)
$m^4Adapter$: Multilingual Multi-Domain Adaptation for Machine Translation with a Meta-Adapter [128.69723410769586]
多言語ニューラルネットワーク翻訳モデル(MNMT)は、ドメインと言語ペアのデータに基づいて評価すると、最先端の性能が得られる。ドメインシフトや新しい言語ペアへの変換にMNMTモデルを使用すると、パフォーマンスが劇的に低下する。我々はメタラーニングとアダプタを用いたドメイン知識と言語知識を組み合わせた$m4Adapter$を提案する。
論文参考訳（メタデータ） (2022-10-21T12:25:05Z)
MotePy: A domain specific language for low-overhead machine learning and data processing [0.0]
MotePyという名前のドメイン固有言語()が提示される。 DSLは、時間制約やメモリ制約のあるシステムにおけるML/データ処理のオーバーヘッドを低くした高レベルの構文を提供します。 DSL-to-Cコンパイラは、オブジェクトの寿命を追跡し、静的メモリを再利用する新しい静的メモリアロケータを備えています。
論文参考訳（メタデータ） (2020-11-10T15:49:45Z)
From Things' Modeling Language (ThingML) to Things' Machine Learning (ThingML2) [4.014524824655106]
我々はThingMLを拡張し、モデリングレベルで機械学習をサポートする。当社のDSLでは、データ分析を行う責務を負うものを定義することができます。コードジェネレータはJavaとPythonで完全な実装を自動的に生成できます。
論文参考訳（メタデータ） (2020-09-22T15:44:57Z)
The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
論文参考訳（メタデータ） (2020-08-28T10:59:31Z)

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。