論文の概要: Engineering Scientific Assistants using Interactive Structured Induction of Programs
- arxiv url: http://arxiv.org/abs/2503.14488v1
- Date: Tue, 18 Mar 2025 17:57:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-19 14:18:12.254359
- Title: Engineering Scientific Assistants using Interactive Structured Induction of Programs
- Title（参考訳）: プログラムの対話的構造化誘導を用いた工学的科学支援
- Authors: Shraddha Surana, Ashwin Srinivasan,
- Abstract要約: 本稿では,そのような「科学加速器」のソフトウェア工学に焦点をあてる。
本稿では,ソフトウェア技術者とLLMが共同で科学データ解析のための「アシスト」を構築する,インタラクティブな「構造化」帰納型プログラミングの設計を提案する。
iStrucIndは、対話型構造化誘導が科学アシスタントの迅速な構築において有用な役割を担っていることを示唆する、より高速なプログラムの開発を可能にする。
- 参考スコア（独自算出の注目度）: 1.2101952480469729
- License:
- Abstract: We are interested in the construction of software that can act as scientific assistants to domain specialists. It is expected that such assistants will be needed to accelerate the identification of ways to address complex problems requiring urgent solutions. In this paper, our focus is not on a specific scientific problem, but on the software-engineering of such 'science accelerators'. Recent developments in 'No Code' techniques would seem to suggest that scientist can simply hypothesise solutions simply by conversing with a large language model (LLM). However, for complex scientific problems, this seems unlikely given the current state of LLM technology. What does appear feasible is that a software engineer can use LLMs to rapidly construct programs for use by a domain-specialist, including the specialist's requirements expressed in natural language. We propose the design of an interactive form of 'structured' inductive programming in which a software-engineer and an LLM collaboratively construct an 'assistant' for a scientific data analysis. The paper describes a simple implementation called iStrucInd that adapts a '2-way Intelligibility' protocol to implement the interaction between the software engineer and the LLM. We test the tool on two different non-trivial scientific data analysis tasks. Specifically, we compare the system constructed by iStrucInd against systems constructed manually and by Low Code/No Code methods along dimensions of: (a) program performance; (b) program quality; and (c) programming effort. The results show iStrucInd allows a software engineer to develop better programs faster suggesting interactive structured induction can play a useful role in the rapid construction of scientific assistants.
- Abstract（参考訳）: 私たちは、ドメインスペシャリストの科学的アシスタントとして機能するソフトウェアの構築に興味を持っています。
このようなアシスタントは、緊急解決を必要とする複雑な問題に対処する方法の特定を加速するために必要と期待されている。
本稿では、特定の科学的問題ではなく、そのような「科学加速器」のソフトウェア工学に焦点をあてる。
最近の「No Code」技術の発展は、科学者が単に大きな言語モデル(LLM)と会話することで、単に解決策を仮説化できることを示しているように思われる。
しかし、複雑な科学的問題に対して、LLM技術の現状を考えると、これはありそうにない。
実現可能なことは、ソフトウェアエンジニアがLLMを使用して、自然言語で表現された専門家の要求を含むドメインの専門家が使用するプログラムを迅速に構築できるということである。
本稿では,ソフトウェア技術者とLLMが共同で科学データ解析のための「アシスト」を構築する,インタラクティブな「構造化」帰納型プログラミングの設計を提案する。
本稿では,ソフトウェア技術者とLLMのインタラクションを実装するために,'2-way Intelligibility'プロトコルを適用した iStrucInd というシンプルな実装について述べる。
我々はこのツールを2つの非自明な科学的データ分析タスクでテストする。
具体的には、iStrucIndによって構築されたシステムと、手作業で構築されたシステムと、次の次元に沿ってLow Code/No Codeメソッドとを比較します。
(a)プログラムのパフォーマンス
b)プログラムの品質,及び
(c)プログラミングの取り組み。
iStrucIndは、対話型構造化誘導が科学アシスタントの迅速な構築において有用な役割を担っていることを示唆する、より高速なプログラムの開発を可能にする。
関連論文リスト
- VISION: A Modular AI Assistant for Natural Human-Instrument Interaction at Scientific User Facilities [0.19736111241221438]
生成AIは、この知識ギャップを埋める機会を提供する。
仮想科学コンパニオン(VISION)のためのモジュラーアーキテクチャを提案する。
VISIONでは低レイテンシでビームラインワークステーション上でLLMベースの動作を行い、X線散乱ビームラインで最初の音声制御実験を行った。
論文 参考訳（メタデータ） (2024-12-24T04:37:07Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z) - Meaning-Typed Programming: Language-level Abstractions and Runtime for GenAI Applications [8.308424118055981]
ソフトウェアは、論理コードから、生成的AIとアプリケーション機能に大規模言語モデル(LLM)を活用する神経統合アプリケーションへと、急速に進化している。
本稿では,神経統合型アプリケーションの作成を簡略化する新しい手法として,意味型プログラミング(MTP)を提案する。
論文 参考訳（メタデータ） (2024-05-14T21:12:01Z) - SciInstruct: a Self-Reflective Instruction Annotated Dataset for Training Scientific Language Models [57.96527452844273]
我々はSciInstructを紹介した。SciInstructは、大学レベルの科学的推論が可能な科学言語モデルを訓練するための科学指導スイートである。
我々は、物理学、化学、数学、公式な証明を含む多種多様な高品質なデータセットをキュレートした。
SciInstructの有効性を検証するため、SciInstruct、すなわちChatGLM3(6Bと32B)、Llama3-8B-Instruct、Mistral-7B: MetaMathを用いて言語モデルを微調整した。
論文 参考訳（メタデータ） (2024-01-15T20:22:21Z) - Can LLMs Configure Software Tools [0.76146285961466]
ソフトウェア工学では、複雑なシステム内での最適なパフォーマンスを確保するためには、ソフトウェアツールの精巧な構成が不可欠である。
本研究では,Large-Language Models (LLMs) を利用したソフトウェア構成プロセスの合理化について検討する。
本研究は,Chat-GPTなどのLCMを用いて,開始条件を特定し,検索空間を狭め,構成効率を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-12-11T05:03:02Z) - When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。
具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。
コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
論文 参考訳（メタデータ） (2023-08-29T17:22:39Z) - A Divide-Align-Conquer Strategy for Program Synthesis [5.7426444823028335]
本稿では,大規模プログラムの探索を複数の小さなプログラム合成問題に分割する例によって,構成セグメント化がプログラミングに応用可能であることを示す。
入力と出力における構成部品の構造的アライメントは、プログラム探索を導くのに使用されるペアワイズ対応に繋がる。
論文 参考訳（メタデータ） (2023-01-08T19:10:55Z) - Procedures as Programs: Hierarchical Control of Situated Agents through
Natural Language [81.73820295186727]
エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。
NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2021-09-16T20:36:21Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳（メタデータ） (2021-06-18T15:08:47Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z)
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。