論文の概要: A Learning Support Method for Multi-threaded Programs Using Trace Tables

• arxiv url: http://arxiv.org/abs/2409.16700v1
• Date: Wed, 25 Sep 2024 07:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-27 05:00:58.105150
• Title: A Learning Support Method for Multi-threaded Programs Using Trace Tables
• Title（参考訳）: トレーステーブルを用いたマルチスレッドプログラムの学習支援手法
• Authors: Takumi Murata, Hiroaki Hashiura,
• Abstract要約: マルチスレッドプログラムは、並列処理のためにアプリケーションプロセスを複数のスレッドに分割することで、応答性とリソースの保存を改善することが期待されている。 しかし、スケジューリングと複数のスレッドの相互作用のため、実行時の動作はシングルスレッドプログラムよりも複雑である。 トレーステーブルを用いたマルチスレッドプログラムの学習ツールを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-threaded programs are expected to improve responsiveness and conserve resources by dividing an application process into multiple threads for concurrent processing. However, due to scheduling and the interaction of multiple threads, their runtime behavior is more complex than that of single-threaded programs, making which makes debugging difficult unless the concepts specific to multi-threaded programs and the execution order of instructions can be understood. In this paper, we propose a learning tool for multi-threaded programs using trace tables.
• Abstract（参考訳）: マルチスレッドプログラムは、並列処理のためにアプリケーションプロセスを複数のスレッドに分割することで、応答性とリソースの保存を改善することが期待されている。 しかし、スケジューリングや複数のスレッドの相互作用のため、実行時の動作はシングルスレッドプログラムよりも複雑であり、マルチスレッドプログラム特有の概念や命令の実行順序を理解しない限りデバッグが困難になる。 本稿では,トレーステーブルを用いたマルチスレッドプログラムの学習ツールを提案する。

関連論文リスト

• Tailoring Stateless Model Checking for Event-Driven Multi-Threaded Programs [1.2948955292336792]
  イベント駆動型プログラムに適したDPORアルゴリズムであるEvent-DPORを提案する。 これはマルチスレッドプログラムのための最適DPORアルゴリズムであるOptimal-DPORに基づいている。 全てのプログラムに対して Event-DPOR の正当性を証明し,大規模サブクラスに対して最適性を示す。
  論文  参考訳（メタデータ） (2023-07-29T08:43:49Z)
• MultiTool-CoT: GPT-3 Can Use Multiple External Tools with Chain of Thought Prompting [23.607534241574346]
  推論過程において,計算機や知識検索などの外部ツールを組み込んだMultiTool-CoTを提案する。 NumGLUEのタスク2データセットにMultiTool-CoTを適用し,数値推論とドメイン固有知識の両方を必要とする。
  論文  参考訳（メタデータ） (2023-05-26T13:00:58Z)
• Fact-Checking Complex Claims with Program-Guided Reasoning [99.7212240712869]
  Program-Guided Fact-Checking (ProgramFC)は、複雑なクレームを単純なサブタスクに分解する新しいファクトチェックモデルである。 まず,大規模言語モデルの文脈内学習能力を活用して推論プログラムを生成する。 我々は,各サブタスクを対応するサブタスクハンドラに委譲することでプログラムを実行する。
  論文  参考訳（メタデータ） (2023-05-22T06:11:15Z)
• A Multi-Task Approach to Robust Deep Reinforcement Learning for Resource Allocation [8.508198765617195]
  我々は、稀で重要なイベントを適切に扱わなければならないリソース割り当ての課題について検討する。 我々は、Elastic Weight Consolidation と Gradient Episodic Memory をバニラアクター批判スケジューラに統合する。 我々は、ブラックスワンイベントを扱う際のそれらのパフォーマンスと、トレーニングデータ分布を増大させる最先端の技術を比較した。
  論文  参考訳（メタデータ） (2023-04-25T09:05:36Z)
• ART: Automatic multi-step reasoning and tool-use for large language models [105.57550426609396]
  大規模言語モデル(LLM)は、数秒とゼロショットの設定で複雑な推論を行うことができる。 各推論ステップは、コアLLM機能を超えて計算をサポートする外部ツールに依存することができる。 プログラムとして中間推論ステップを自動生成するために凍結LDMを使用するフレームワークであるART(Automatic Reasoning and Tool-use)を導入する。
  論文  参考訳（メタデータ） (2023-03-16T01:04:45Z)
• QParallel: Explicit Parallelism for Programming Quantum Computers [62.10004571940546]
  並列量子プログラミングのための言語拡張を提案する。 QParallelは、現在の量子プログラミング言語における並列性に関する曖昧さを取り除く。 並列化によって最も利益を上げるサブルーチンを識別し,並列領域の配置にプログラマを誘導するツールを提案する。
  論文  参考訳（メタデータ） (2022-10-07T16:35:16Z)
• Modular Adaptive Policy Selection for Multi-Task Imitation Learning through Task Division [60.232542918414985]
  マルチタスク学習は、しばしば負の伝達に悩まされ、タスク固有の情報を共有する。 これは、プロトポリケーションをモジュールとして使用して、タスクを共有可能な単純なサブ振る舞いに分割する。 また、タスクを共有サブ行動とタスク固有のサブ行動の両方に自律的に分割する能力を示す。
  論文  参考訳（メタデータ） (2022-03-28T15:53:17Z)
• In Defense of the Unitary Scalarization for Deep Multi-Task Learning [121.76421174107463]
  本稿では,多くの特殊マルチタスクを正規化の形式として解釈できることを示唆する理論解析について述べる。 標準正規化と安定化技術と組み合わせると、ユニタリスカラー化は複雑なマルチタスクの性能にマッチし、改善することを示す。
  論文  参考訳（メタデータ） (2022-01-11T18:44:17Z)
• Understanding Multimodal Procedural Knowledge by Sequencing Multimodal Instructional Manuals [48.55362590292391]
  我々は、順序のないマルチモーダル命令を推論し、シーケンシングする機械学習モデルの能力をベンチマークする。 モデルの性能は人間より著しく劣るだけでなく、マルチモーダル情報の有効利用も不可能である。 本稿では,テキストと画像の逐次アライメント特性を利用した逐次性を考慮した事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-16T06:12:15Z)

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。