Fugu-MT 論文翻訳(概要): A Design Recipe and Recipe-Based Errors for Regular Expressions

論文の概要: A Design Recipe and Recipe-Based Errors for Regular Expressions

arxiv url: http://arxiv.org/abs/2508.03639v1
Date: Tue, 05 Aug 2025 16:53:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-06 18:18:56.084658
Title: A Design Recipe and Recipe-Based Errors for Regular Expressions
Title（参考訳）: 正規表現のための設計レシピとレシピベースエラー
Authors: Marco T. Morazán, Shamil Dzhatdoyev, Josephine Des Rosiers, Tijana Minić, Andrés M. Garced, David Anthony K. Fields,
Abstract要約: このフレームワークは正規表現のための設計レシピと、カスタマイズされたエラーメッセージングシステムを含んでいる。エラーメッセージングシステムは、設計レシピのステップを含むレシピベースのエラーを生成する。
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: This article presents a novel framework to provide Formal Languages and Automata Theory students design support for the development of regular expressions. This framework includes a design recipe for regular expressions and a customized error messaging system. The error messaging system produces recipe-based errors that include the step of the design recipe not successfully completed. Furthermore, the error messages follow the established practices of being concise, succinct, jargon-free, and nonprescriptive. In addition, a shorthand syntax developed for writing unit tests is described. The in-class use of the design recipe is illustrated, two debugging sessions using the described system are discussed, and the implementation of the error messaging system is briefly sketched.
Abstract（参考訳）: 本稿では,形式言語とオートマタ理論の学生が正規表現開発を支援するための新しい枠組みを提案する。このフレームワークは正規表現のための設計レシピと、カスタマイズされたエラーメッセージングシステムを含んでいる。エラーメッセージングシステムは、設計レシピのステップを含むレシピベースのエラーを生成する。さらに、エラーメッセージは簡潔で簡潔で、jargon-freeで、非規範的であるという確立した慣習に従っている。さらに、単体テストを書くための簡潔な構文について述べる。設計レシピのクラス内利用を図示し、記述したシステムを用いた2つのデバッグセッションについて論じ、エラーメッセージシステムの実装を簡潔にスケッチする。

関連論文リスト

Neuro-Symbolic Query Compiler [57.78201019000895]
本稿では,このギャップを埋めるために,言語文法規則とコンパイラ設計に触発されたニューラルシンボリックなフレームワークQCompilerを提案する。理論上は、複雑なクエリを形式化するのに最小でも十分なバックス・ナウアー形式(BNF)の文法を$G[q]$で設計する。葉のサブクエリの原子性は、より正確な文書検索と応答生成を保証し、複雑なクエリに対処するRAGシステムの能力を大幅に改善する。
論文参考訳（メタデータ） (2025-05-17T09:36:03Z)
Type-Constrained Code Generation with Language Models [51.03439021895432]
本稿では,型システムを利用してコード生成を誘導する型制約デコード手法を提案する。そこで本研究では,新しい接頭辞オートマトンと,在来型を探索する手法を開発し,LLM生成コードに適切な型付けを強制するための健全なアプローチを構築した。提案手法は,コード合成,翻訳,修復作業において,コンパイルエラーを半分以上削減し,機能的正しさを著しく向上させる。
論文参考訳（メタデータ） (2025-04-12T15:03:00Z)
Bugfix: a standard language, database schema and repository for research on bugs and automatic program repair [30.530037104130233]
APR(Automatic Program repair)は、バグを検出するときにプログラムを修正するための提案を提供する、素晴らしいアイデアです。 Bugfixは、標準的な表記法、ツール、インターフェース、バグや修正のデータベースなど、このようなフレームワークを提供するための取り組みである。
論文参考訳（メタデータ） (2025-02-21T17:17:04Z)
Designing fault-tolerant circuits using detector error models [0.29998889086656577]
本稿では,回路レベルでの耐故障性を完全に把握する検出誤差モデルの強力な形式性について検討する。フォールトトレラント回路設計の工学サイクルにおける3つの抽象化レベルにフォーマリズムを適用した。
論文参考訳（メタデータ） (2024-07-18T18:00:05Z)
Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。提案手法であるPremiseが実際によく動作することを示す。
論文参考訳（メタデータ） (2023-11-18T00:24:26Z)
Chinese Spelling Correction as Rephrasing Language Model [63.65217759957206]
文中のスペル誤りを検知し,訂正することを目的とした中国語スペル補正(CSC)について検討する。現在の最先端の手法は、CSCをシーケンスタギングタスクと文対上の細いBERTベースのモデルとみなしている。本稿では,文字から文字へのタグ付けではなく,追加のスロットを埋め込むことで文全体を言い換える言語モデル(ReLM)を提案する。
論文参考訳（メタデータ） (2023-08-17T06:04:28Z)
nl2spec: Interactively Translating Unstructured Natural Language to Temporal Logics with Large Language Models [3.1143846686797314]
大規模言語モデル(LLM)を適用するためのフレームワークであるnl2specは、構造化されていない自然言語から正式な仕様を導出する。本稿では,自然言語におけるシステム要求のあいまいさを検知し,解決する新たな手法を提案する。ユーザは、これらのサブ翻訳を反復的に追加、削除、編集して、不正なフォーマル化を修正する。
論文参考訳（メタデータ） (2023-03-08T20:08:53Z)
Error syntax aware augmentation of feedback comment generation dataset [116.73173348201341]
本稿では、2022年のGenChalの共有タスクに対して、フィードバックによるコメント生成を学習に用いたソリューションを提案する。このタスクは、エラーのあるテキストとエラーのスパンを与えられた場合、システムは、書き手(言語学習者)が書き方を改善するのに役立つ説明メモを生成する。
論文参考訳（メタデータ） (2022-12-29T12:57:23Z)
Scarecrow: A Framework for Scrutinizing Machine Text [69.26985439191151]
我々はScarecrowと呼ばれる新しい構造化されたクラウドソースエラーアノテーションスキーマを導入する。 Scarecrowは1.3kの人文と機械が生成する英語ニューステキストの13kのアノテーションを収集する。これらの結果は,現在および将来のテキスト生成システムの評価において,Scarecrowアノテーションの価値を示すものである。
論文参考訳（メタデータ） (2021-07-02T22:37:03Z)
Identifying Bug Patterns in Quantum Programs [4.282118876884235]
バグパターンは間違ったコードイディオムや悪いコーディングプラクティスで、何度も失敗することが証明されています。本稿では,量子プログラミング言語Qiskitのバグパターンを特定し,分類する。
論文参考訳（メタデータ） (2021-03-16T13:43:45Z)
On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
論文参考訳（メタデータ） (2020-05-12T11:01:44Z)

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。