論文の概要: PARF: An Adaptive Abstraction-Strategy Tuner for Static Analysis
- arxiv url: http://arxiv.org/abs/2505.13229v1
- Date: Mon, 19 May 2025 15:13:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.687403
- Title: PARF: An Adaptive Abstraction-Strategy Tuner for Static Analysis
- Title（参考訳）: PARF:静的解析のための適応的抽象ストラテジーチューナー
- Authors: Zhongyi Wang, Mingshuai Chen, Tengjie Lin, Linyu Yang, Junhao Zhuo, Qiuye Wang, Shengchao Qin, Xiao Yi, Jianwei Yin,
- Abstract要約: Parfは静的プログラムアナライザの抽象化戦略を適応的にチューニングするためのツールキットである。
これはCプログラムのオープンソース静的アナライザであるFrama-C/Eva上に実装されている。
- 参考スコア（独自算出の注目度）: 12.761648473972873
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We launch Parf - a toolkit for adaptively tuning abstraction strategies of static program analyzers in a fully automated manner. Parf models various types of external parameters (encoding abstraction strategies) as random variables subject to probability distributions over latticed parameter spaces. It incrementally refines the probability distributions based on accumulated intermediate results generated by repeatedly sampling and analyzing, thereby ultimately yielding a set of highly accurate abstraction strategies. Parf is implemented on top of Frama-C/Eva - an off-the-shelf open-source static analyzer for C programs. Parf provides a web-based user interface facilitating the intuitive configuration of static analyzers and visualization of dynamic distribution refinement of the abstraction strategies. It further supports the identification of dominant parameters in Frama-C/Eva analysis. Benchmark experiments and a case study demonstrate the competitive performance of Parf for analyzing complex, large-scale real-world programs.
- Abstract（参考訳）: Parf - 静的プログラムアナライザの抽象化戦略を,完全に自動化された方法で適応的にチューニングするツールキット。
Parfは、格子付きパラメータ空間上の確率分布の確率変数として、様々な種類の外部パラメータ(符号化抽象化戦略)をモデル化する。
繰り返しサンプリングおよび解析によって生成された累積中間結果に基づいて確率分布を漸進的に洗練し、最終的には高度に正確な抽象戦略を導出する。
Parfは、Cプログラムのオープンソース静的アナライザであるFrama-C/Eva上に実装されている。
Parfは、静的アナライザの直感的な構成を容易にし、抽象化戦略の動的分散改善を可視化するWebベースのユーザインターフェースを提供する。
さらに、Frama-C/Eva分析における支配的パラメータの同定をサポートする。
ベンチマーク実験とケーススタディは、複雑で大規模な実世界のプログラムを解析するためのParfの競合性能を示す。
関連論文リスト
- ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。
巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
論文 参考訳（メタデータ） (2024-12-11T12:31:30Z) - Unified Convergence Analysis for Score-Based Diffusion Models with Deterministic Samplers [49.1574468325115]
決定論的サンプリングのための統合収束分析フレームワークを提案する。
我々のフレームワークは$tilde O(d2/epsilon)$の反復複雑性を実現する。
また,Denoising Implicit Diffusion Models (DDIM) タイプのサンプルについて詳細な分析を行った。
論文 参考訳（メタデータ） (2024-10-18T07:37:36Z) - PCF-Lift: Panoptic Lifting by Probabilistic Contrastive Fusion [80.79938369319152]
我々は,PCF(Probabilis-tic Contrastive Fusion)に基づくPCF-Liftという新しいパイプラインを設計する。
私たちのPCFリフトは、ScanNetデータセットやMessy Roomデータセット(シーンレベルのPQが4.4%改善)など、広く使用されているベンチマークにおいて、最先端の手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2024-10-14T16:06:59Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - A Closer Look at Parameter-Efficient Tuning in Diffusion Models [39.52999446584842]
安定拡散のような大規模拡散モデルは強力であり、様々な現実世界の応用を見出すことができる。
学習可能な小モジュールを挿入することにより,大規模拡散モデルにおけるパラメータ効率の調整について検討する。
論文 参考訳（メタデータ） (2023-03-31T16:23:29Z) - Smoothness Analysis for Probabilistic Programs with Application to
Optimised Variational Inference [13.836565669337057]
与えられた確率プログラムの微分可能あるいはより一般に滑らかな部分を発見するための静的解析法を提案する。
解析が経路勾配推定器の改善にどのように役立つかを示す。
論文 参考訳（メタデータ） (2022-08-22T18:18:32Z) - Finite-Sum Coupled Compositional Stochastic Optimization: Theory and
Applications [43.48388050033774]
本稿では,非凸目的と凸目標の両方に対して単純なアルゴリズムを包括的に解析する。
また,外層と内層に等しい大きさのバッチをサンプリングすることで,実用的実装を改善するための新たな知見も提示した。
論文 参考訳（メタデータ） (2022-02-24T22:39:35Z) - PnP-DETR: Towards Efficient Visual Analysis with Transformers [146.55679348493587]
近年、DeTRはトランスフォーマーを用いたソリューションビジョンタスクの先駆者であり、画像特徴マップを直接オブジェクト結果に変換する。
最近の変圧器を用いた画像認識モデルとTTは、一貫した効率向上を示す。
論文 参考訳（メタデータ） (2021-09-15T01:10:30Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳（メタデータ） (2020-11-17T05:41:50Z) - Controlling for sparsity in sparse factor analysis models: adaptive
latent feature sharing for piecewise linear dimensionality reduction [2.896192909215469]
本稿では,現在潜伏している特徴分解技術の鍵となる限界に対処できる,シンプルでトラクタブルな特徴割り当てモデルを提案する。
適応型因子分析(aFA)と適応型確率的原理成分分析(aPPCA)を応用し,柔軟な構造発見と次元減少を実現する。
APPCAとaFAは、生のMNISTに適用した場合と、オートエンコーダの特徴を解釈する場合の両方において、高いレベルの特徴を推測できることを示す。
論文 参考訳（メタデータ） (2020-06-22T16:09:11Z)
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。