論文の概要: Intent Preserving Generation of Diverse and Idiomatic (Code-)Artifacts

• arxiv url: http://arxiv.org/abs/2508.03642v1
• Date: Tue, 05 Aug 2025 16:54:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:56.087057
• Title: Intent Preserving Generation of Diverse and Idiomatic (Code-)Artifacts
• Title（参考訳）: ディバース・イディオマティクス(コード-)アーティファクトのインテント保存
• Authors: Oliver Westphal,
• Abstract要約: 本稿では,複数の連結アーティファクトに対してモノリシックなジェネレータを記述する代わりに,抽象的なビルディングブロックの小さなセットを指定するアプローチを提案する。 得られたアーティファクトの意図された構造は、小さな抽象的なビルディングブロックの合成として指定される。
• 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: When automatically generating programming exercise tasks one often also needs to automatically generate programs. At the very least when providing sample solutions is part of automated feedback. But programs can also be used as part of the exercise task description to communicate a task's requirements. Writing good program generators that produce varied yet idiomatic code while being easily adaptable for new tasks is challenging. The challenges are intensified if task generation requires additional artifacts, like a more general behavior specification for testing or additional textual descriptions. Manually writing generators for multiple different but strongly related artifacts gets complicated quickly. We present an approach where instead of writing monolithic generators for multiple connected artifacts one specifies a small set of abstract building blocks and for each such building block defines sets of concrete realizations for various kinds of artifacts. Then the intended structure of the resulting artifacts is specified as a composition of the small abstract building blocks. This abstract description then serves as the common source from which related artifacts can be derived automatically. The approach is generic in the kind of artifacts it can produce and is therefore adaptable to a wide range of contexts.
• Abstract（参考訳）: プログラミング演習タスクを自動生成する場合、しばしばプログラムを自動的に生成する必要がある。 少なくとも、サンプルソリューションの提供は、自動フィードバックの一部です。 しかし、プログラムは、タスクの要求を伝えるためのエクササイズタスク記述の一部として使うこともできる。 新しいタスクに容易に適応しながら、多様な慣用的なコードを生成する優れたプログラムジェネレータを書くことは難しい。 タスク生成がテストのためのより一般的な振る舞い仕様や追加のテキスト記述など、追加のアーティファクトを必要とする場合、課題は強化される。 手動で複数の異なる、しかし強く関連するアーティファクト用のジェネレータを書くことは、すぐに複雑になる。 本稿では,複数の連結アーティファクトに対してモノリシックなジェネレータを記述する代わりに,抽象的なビルディングブロックの集合を指定し,それぞれが様々なアーティファクトに対して具体的実現の集合を定義するアプローチを提案する。 そして、得られたアーティファクトの意図された構造を、小さな抽象的なビルディングブロックの合成として指定する。 この抽象的な記述は、関連するアーティファクトを自動的に引き出すことができる共通情報源として機能する。 このアプローチは生成可能なアーティファクトの種類において汎用的であり、従って幅広いコンテキストに適用可能である。

関連論文リスト

• CodeDiffuser: Attention-Enhanced Diffusion Policy via VLM-Generated Code for Instruction Ambiguity [23.77040677368575]
  我々は,潜在的にあいまいな自然言語によって指定されたタスクを達成できる,新しいロボット操作フレームワークを導入する。 このフレームワークはVLM(Vision-Language Model)を使用して、自然言語命令の抽象概念を解釈する。 本稿では,言語あいまいさ,コンタクトリッチな操作,多目的インタラクションといった課題に対して,アプローチが優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-19T23:42:03Z)
• DOLOMITES: Domain-Specific Long-Form Methodical Tasks [81.63464319950664]
  本研究では,課題目標,手順,入力,出力の形式で構成された方法論的タスクのタイプロジーを開発する。 このベンチマークは519の仕様で、25の分野から数百のエキスパートが引き起こしたタスクである。 さらに,本ベンチマークでは,具体的入力と出力の例を用いた方法論的タスクの具体的インスタンス化について述べる。
  論文  参考訳（メタデータ） (2024-05-09T17:25:31Z)
• How You Prompt Matters! Even Task-Oriented Constraints in Instructions Affect LLM-Generated Text Detection [39.254432080406346]
  タスク指向の制約 -- 命令に自然に含まれ、検出回避とは無関係な制約 -- でさえ、既存の強力な検出器は検出性能に大きなばらつきを持つ。 実験の結果,命令を複数回生成したり,命令を言い換えたりすることで,命令によって生成されたテキストの標準偏差(SD)が有意に大きい(SDは14.4F1スコアまで)ことがわかった。
  論文  参考訳（メタデータ） (2023-11-14T18:32:52Z)
• LLM Blueprint: Enabling Text-to-Image Generation with Complex and Detailed Prompts [60.54912319612113]
  拡散に基づく生成モデルは、テキストと画像の生成が著しく進歩するが、長く複雑なテキストプロンプトを処理する際には困難に直面する。 本稿では,Large Language Models (LLM) を利用してテキストプロンプトから重要なコンポーネントを抽出する手法を提案する。 複数のオブジェクトを特徴とする複雑なプロンプトの評価は,ベースライン拡散モデルと比較して,リコールの大幅な改善を示す。
  論文  参考訳（メタデータ） (2023-10-16T17:57:37Z)
• FacTool: Factuality Detection in Generative AI -- A Tool Augmented Framework for Multi-Task and Multi-Domain Scenarios [87.12753459582116]
  より広い範囲のタスクは、生成モデルによって処理されると、事実エラーを含むリスクが増大する。 大規模言語モデルにより生成されたテキストの事実誤りを検出するためのタスクおよびドメインに依存しないフレームワークであるFacToolを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:51Z)
• 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)
• InstructionNER: A Multi-Task Instruction-Based Generative Framework for Few-shot NER [31.32381919473188]
  InstructionNERというマルチタスク命令ベースの生成フレームワークを提案する。 具体的には、NERタスクを生成問題として再構成し、タスク固有の命令と回答オプションでソース文を豊かにし、自然言語のエンティティと型を推論する。 実験結果から,本手法は5つのデータセットのベースラインを数ショット設定で一貫的に上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-03-08T07:56:36Z)
• XtremeDistilTransformers: Task Transfer for Task-agnostic Distillation [80.18830380517753]
  我々は新しいタスク非依存蒸留フレームワーク XtremeDistilTransformers を開発した。 本研究は, 蒸留における複数のソースタスク, 拡張資源, モデルアーキテクチャの伝達可能性について検討する。
  論文  参考訳（メタデータ） (2021-06-08T17:49:33Z)
• Generating Instructions at Different Levels of Abstraction [61.70390291746106]
  Minecraftで異なるレベルの抽象化で構築手順を生成する方法を示す。 クラウドソーシングの評価は、抽象化レベルの選択がユーザにとって重要であることを示している。
  論文  参考訳（メタデータ） (2020-10-08T13:56:09Z)
• A Framework for Generating Diverse Haskell-IO Exercise Tasks [0.0]
  本稿では,Haskell-I/Oプログラミングにおける様々なエクササイズタスクを自動的に生成するフレームワークの設計について述べる。 自動評価システムと組み合わせて自動タスク生成により、学生は必要に応じて多くのエクササイズタスクを実践できる。 タスク生成は、初期の作業で開発したI/O動作の仕様言語を中心にしています。
  論文  参考訳（メタデータ） (2020-08-28T17:16:32Z)

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。