Fugu-MT 論文翻訳(概要): Handling expression evaluation under interference

論文の概要: Handling expression evaluation under interference

arxiv url: http://arxiv.org/abs/2409.07741v1
Date: Thu, 12 Sep 2024 04:16:22 GMT
ステータス: 処理完了
システム内更新日: 2024-09-13 17:51:48.915661
Title: Handling expression evaluation under interference
Title（参考訳）: 干渉下でのハンドリング表現評価
Authors: Ian J. Hayes, Cliff B. Jones, Larissa A. Meinicke,
Abstract要約: プログラム構成のためのHoareスタイルの推論ルールは、プログラムテキストからの式とテストのコピーを論理的コンテキストに許可する。のアプローチは、許容可能な干渉を記録する問題に取り組み、安全な推論ルールを提供する方法を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hoare-style inference rules for program constructs permit the copying of expressions and tests from program text into logical contexts. It is known that this requires care even for sequential programs but further issues arise for concurrent programs because of potential interference to the values of variables. The "rely-guarantee" approach does tackle the issue of recording acceptable interference and offers a way to provide safe inference rules. This paper shows how the algebraic presentation of rely-guarantee ideas can clarify and formalise the conditions for safely re-using expressions and tests from program text in logical contexts for reasoning about programs.
Abstract（参考訳）: プログラム構成のためのHoareスタイルの推論ルールは、プログラムテキストからの式とテストのコピーを論理的コンテキストに許可する。これは逐次プログラムにも注意を要することが知られているが、変数の値に潜在的に干渉するため、並列プログラムにはさらなる問題が生じる。のアプローチは、許容可能な干渉を記録する問題に取り組み、安全な推論ルールを提供する方法を提供する。本稿では,プログラムの論理的文脈における表現とテストの安全に再利用するための条件を明確にし,形式化する方法について述べる。

関連論文リスト

Weakly Supervised Semantic Parsing with Execution-based Spurious Program Filtering [19.96076749160955]
本稿では,プログラムの実行結果に基づくドメインに依存しないフィルタリング機構を提案する。私たちはこれらの表現に対して多数決を行い、他のプログラムと大きく異なる意味を持つプログラムを特定し、フィルタリングします。
論文参考訳（メタデータ） (2023-11-02T11:45:40Z)
A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文参考訳（メタデータ） (2023-10-18T20:18:05Z)
Assume but Verify: Deductive Verification of Leaked Information in Concurrent Applications (Extended Version) [1.3749490831384268]
情報を意図的に漏洩する非自明な並行プログラムのセキュリティを特定・証明する問題を考察する。本稿では,この問題を (a) 帰納的プログラム検証ですでに広く使用されているアノテーションを前提として,プログラムが情報のみを漏らすことを証明した手法を提案する。また,既存のプログラム論理 SecCSL の拡張によって条件 (a) がどのように強制されるか,そして (b) が簡単な内容の集合を証明してどのようにチェックできるかを示す。
論文参考訳（メタデータ） (2023-09-07T01:51:41Z)
Argumentative Characterizations of (Extended) Disjunctive Logic Programs [2.055949720959582]
仮定に基づく議論は、通常の論理プログラムだけでなく、解法論理プログラムとその拡張も表現できることを示す。議論フレームワークの中核となるロジックが尊重すべき解離の推論ルールについて考察する。
論文参考訳（メタデータ） (2023-06-12T14:01:38Z)
Rationale-Augmented Ensembles in Language Models [53.45015291520658]
我々は、数発のテキスト内学習のための合理化促進策を再考する。我々は、出力空間における合理的サンプリングを、性能を確実に向上させるキーコンポーネントとして特定する。有理拡張アンサンブルは既存のプロンプト手法よりも正確で解釈可能な結果が得られることを示す。
論文参考訳（メタデータ） (2022-07-02T06:20:57Z)
Probing as Quantifying the Inductive Bias of Pre-trained Representations [99.93552997506438]
本稿では,特定のタスクに対する表現の帰納的バイアスを評価することを目的とした,探索のための新しいフレームワークを提案する。トークン、アーク、文レベルの一連のタスクに我々のフレームワークを適用します。
論文参考訳（メタデータ） (2021-10-15T22:01:16Z)
Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
論文参考訳（メタデータ） (2021-07-13T03:48:04Z)
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)
Sequential composition of propositional logic programs [0.0]
本稿では,非循環プログラムを単一ルールプログラムに分解し,任意のプログラムに対して一般的な分解結果を提供する。プログラムの即時結果演算子は、演算子への明示的な参照を伴わずに最小モデルを計算することができる構成によって表現できることを示す。
論文参考訳（メタデータ） (2020-09-12T11:57:30Z)
Verifying Tight Logic Programs with anthem and Vampire [7.804960968120875]
プログラム完了の定義を、ASPのグルーダーグリンゴの入力言語のサブセットで入力と出力を持つプログラムに拡張する。本稿では,この文脈における安定モデルと完成度の関係について検討し,2つのソフトウェアツールを用いた予備実験について述べる。
論文参考訳（メタデータ） (2020-08-05T10:01:33Z)
Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
論文参考訳（メタデータ） (2020-04-27T19:24:04Z)

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。