論文の概要: Universal Scalability in Declarative Program Analysis (with Choice-Based Combination Pruning)

• arxiv url: http://arxiv.org/abs/2503.05945v1
• Date: Fri, 07 Mar 2025 21:23:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:51:13.035523
• Title: Universal Scalability in Declarative Program Analysis (with Choice-Based Combination Pruning)
• Title（参考訳）: 宣言型プログラム解析における普遍的スケーラビリティ(選択型組合せ計画法)
• Authors: Anastasios Antoniadis, Ilias Tsatiris, Nevill Grech, Yannis Smaragdakis,
• Abstract要約: 選択構成が述語の評価を柔軟に制限できる準ユニバーサル構成を示す。 我々はこの手法を、おそらく現存する最大の既存のデータログ分析フレームワークに適用する: Doop(Javaコード用)とGigahorseフレームワークからのメインクライアント分析。
• 参考スコア（独自算出の注目度）: 1.3874486202578669
• License:
• Abstract: In this work, we present a simple, uniform, and elegant solution to the problem, with stunning practical effectiveness and application to virtually any Datalog-based analysis. The approach consists of leveraging the choice construct, supported natively in modern Datalog engines like Souffl\'e. The choice construct allows the definition of functional dependencies in a relation and has been used in the past for expressing worklist algorithms. We show a near-universal construction that allows the choice construct to flexibly limit evaluation of predicates. The technique is applicable to practically any analysis architecture imaginable, since it adaptively prunes evaluation results when a (programmer-controlled) projection of a relation exceeds a desired cardinality. We apply the technique to probably the largest, pre-existing Datalog analysis frameworks in existence: Doop (for Java bytecode) and the main client analyses from the Gigahorse framework (for Ethereum smart contracts). Without needing to understand the existing analysis logic and with minimal, local-only changes, the performance of each framework increases dramatically, by over 20x for the hardest inputs, with near-negligible sacrifice in completeness.
• Abstract（参考訳）: 本研究では,本問題に対する単純で均一でエレガントな解法を提案する。 このアプローチは、Souffl\'eのような現代的なDatalogエンジンでネイティブにサポートされている選択コンストラクトを活用することで構成される。 選択構成は、関係における関数的依存関係の定義を可能にし、過去にはワークリストアルゴリズムの表現に使用されてきた。 選択構成が述語の評価を柔軟に制限できる準ユニバーサル構成を示す。 この手法は、関係の(プログラム制御された)プロジェクションが所望の濃度を超える場合に、評価結果を適応的に引き起こすので、事実上どんな分析アーキテクチャにも適用可能である。 この手法を、おそらく現存する最大の既存のDatalog分析フレームワークに適用する: Doop(Javaバイトコード)とGigahorseフレームワーク(Ethereumスマートコントラクト)のメインクライアント分析。 既存の分析ロジックを理解する必要がなく、最小限のローカルのみの変更によって、各フレームワークのパフォーマンスは劇的に向上します。

関連論文リスト

• Personalized Top-k Set Queries Over Predicted Scores [21.74740893966611]
  本研究は,予測スコア上でトップkクエリに応答する上で,高価な外部オラクルの適用性について検討する。 任意の集合ベースのスコアリング関数を処理する汎用計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-18T16:19:08Z)
• EpiCoder: Encompassing Diversity and Complexity in Code Generation [49.170195362149386]
  抽象構文木(AST)にヒントを得た新しい特徴木ベース合成フレームワークを提案する。 コードの構文構造をキャプチャするASTとは異なり、私たちのフレームワークはコード要素間のセマンティックな関係をモデル化します。 広く使われているベースモデルを微調整してEpiCoderシリーズを作成し、関数レベルとファイルレベルの両方で最先端のパフォーマンスを実現しました。
  論文  参考訳（メタデータ） (2025-01-08T18:58:15Z)
• StructTest: Benchmarking LLMs' Reasoning through Compositional Structured Outputs [78.84060166851805]
  StructTestは、構造化されたアウトプットを生成する能力に基づいて、大きな言語モデルを評価する新しいベンチマークである。 StructTestが一般的な推論能力のよいプロキシであることを示す。
  論文  参考訳（メタデータ） (2024-12-23T22:08:40Z)
• UQE: A Query Engine for Unstructured Databases [71.49289088592842]
  構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。 本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
  論文  参考訳（メタデータ） (2024-06-23T06:58:55Z)
• Learning to Branch in Combinatorial Optimization with Graph Pointer Networks [17.729352126574902]
  本稿では,分岐境界における変数選択ポリシーを学習するためのグラフポインターネットワークモデルを提案する。 グラフニューラルネットワークとポインタ機構を組み合わせたモデルでは,解法状態から分岐変数決定への効果的マッピングが可能である。
  論文  参考訳（メタデータ） (2023-07-04T01:56:07Z)
• Hexatagging: Projective Dependency Parsing as Tagging [63.5392760743851]
  文中の単語を有限個の可能なタグの要素でタグ付けすることで、依存関係木を構成する新しい依存性であるヘキサトガーを導入する。 私たちのアプローチは、トレーニング時に完全に並列化可能です。すなわち、依存関係のパースを構築するのに必要な構造構築アクションは、互いに並列に予測できます。 我々はPenn Treebankテストセット上で96.4 LASと97.4 UASの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-08T18:02:07Z)
• Structured Sentiment Analysis as Transition-based Dependency Parsing [0.40611352512781856]
  構造化感情分析は、自然言語のテキストから人の意見を自動的に抽出することを目的としている。 SSAを実行するための最も正確な方法の1つが最近提案され、依存関係解析タスクとしてアプローチされている。 依存関係解析としてSSAに対処する最初の遷移ベース手法を提案する。
  論文  参考訳（メタデータ） (2023-05-09T10:03:34Z)
• Domain Specific Question Answering Over Knowledge Graphs Using Logical Programming and Large Language Models [10.258158633354686]
  我々のアプローチは古典論理型言語を大規模言語モデル(LLM)に統合する。 実験結果から,アノテートされた少数のデータを用いてトレーニングした場合でも,全ての質問に対して正解の正解を正確に同定できることが示唆された。
  論文  参考訳（メタデータ） (2023-03-03T20:35:38Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• Comparative Code Structure Analysis using Deep Learning for Performance Prediction [18.226950022938954]
  本稿では,アプリケーションの静的情報(抽象構文木やASTなど)を用いてコード構造の変化に基づいて性能変化を予測することの実現可能性を評価することを目的とする。 組込み学習手法の評価により,木系長短メモリ(LSTM)モデルでは,ソースコードの階層構造を利用して遅延表現を発見し,最大84%(個人的問題)と73%(複数の問題を含む組み合わせデータセット)の精度で性能変化を予測できることが示された。
  論文  参考訳（メタデータ） (2021-02-12T16:59:12Z)

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。