Fugu-MT 論文翻訳(概要): Ambiguity Resolution with Human Feedback for Code Writing Tasks

論文の概要: Ambiguity Resolution with Human Feedback for Code Writing Tasks

arxiv url: http://arxiv.org/abs/2508.14114v1
Date: Mon, 18 Aug 2025 09:46:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-21 16:52:41.198771
Title: Ambiguity Resolution with Human Feedback for Code Writing Tasks
Title（参考訳）: コード記述タスクに対するヒューマンフィードバックを用いたあいまいさ解消
Authors: Aditey Nandan, Viraj Kumar,
Abstract要約: 新規技術(ARHF:Ambiguity Resolution with Human Feedback)に基づくプロトタイプシステムの提案と評価本稿では,このような支援システムがコンピュータサイエンス教育に与える影響について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Specifications for code writing tasks are usually expressed in natural language and may be ambiguous. Programmers must therefore develop the ability to recognize ambiguities in task specifications and resolve them by asking clarifying questions. We present and evaluate a prototype system, based on a novel technique (ARHF: Ambiguity Resolution with Human Feedback), that (1) suggests specific inputs on which a given task specification may be ambiguous, (2) seeks limited human feedback about the code's desired behavior on those inputs, and (3) uses this feedback to generate code that resolves these ambiguities. We evaluate the efficacy of our prototype, and we discuss the implications of such assistive systems on Computer Science education.
Abstract（参考訳）: コード記述タスクの仕様は通常自然言語で表現され、曖昧である。したがって、プログラマはタスク仕様のあいまいさを認識し、明確な質問をすることで解決する能力を開発する必要がある。我々は,(1)与えられたタスク仕様が曖昧である可能性のある特定の入力,(2)入力に対するコードの望ましい振る舞いに関する限定された人間のフィードバック,(3)これらの曖昧さを解決するコードを生成するために,新しい技術(ARHF: Ambiguity Resolution with Human Feedback)に基づくプロトタイプシステムを提案し,評価する。試作品の有効性を評価し,コンピュータサイエンス教育における補助システムの影響について考察する。

関連論文リスト

Position: Intelligent Coding Systems Should Write Programs with Justifications [9.304020701255093]
これらのシステムは、コードを生成するだけでなく、モデル推論とユーザ理解を橋渡しする明確な一貫性のある正当化も生み出すべきだ、と私たちは主張する。我々は, 正当性生成のためのニューロシンボリックなアプローチを提唱し, トレーニング中の行動とプログラムセマンティクスが神経表現によって豊かになるように, 象徴的制約を導出する。
論文参考訳（メタデータ） (2025-08-08T05:04:47Z)
Hints Help Finding and Fixing Bugs Differently in Python and Text-based Program Representations [28.829745991874816]
プログラム表現は,バグの発見と修正におけるユーザの精度に大きな影響を与えることがわかった。異なるヒントは、プログラム表現とユーザのアルゴリズム的タスクに対する理解に依存する。これらの発見は、ユーザにパーソナライズされたサポートを提供する次世代プログラミングツールの設計に影響を及ぼす。
論文参考訳（メタデータ） (2024-12-17T02:11:53Z)
NoviCode: Generating Programs from Natural Language Utterances by Novices [59.71218039095155]
初心者非プログラマによるAPIと自然言語記述を入力とする新しいNLプログラミングタスクであるNoviCodeを提示する。我々は、NoviCodeがコード合成領域における挑戦的なタスクであることを示し、非技術的命令から複雑なコードを生成することは、現在のText-to-Codeパラダイムを超えている。
論文参考訳（メタデータ） (2024-07-15T11:26:03Z)
Creating a Trajectory for Code Writing: Algorithmic Reasoning Tasks [0.923607423080658]
本稿では,楽器とその検証に用いる機械学習モデルについて述べる。我々は,学期最後の週に導入プログラミングコースで収集したデータを用いてきた。先行研究は、ARTタイプの楽器を特定の機械学習モデルと組み合わせて効果的な学習軌道として機能させることができることを示唆している。
論文参考訳（メタデータ） (2024-04-03T05:07:01Z)
DECIDER: A Dual-System Rule-Controllable Decoding Framework for Language Generation [57.07295906718989]
制約付き復号法は,事前訓練された大言語(Ms と PLMs)が生成するテキストの意味やスタイルを,推論時に様々なタスクに対して制御することを目的としている。これらの方法は、しばしば、欲求的かつ明示的にターゲットを選択することによって、もっともらしい連続を導く。認知二重プロセス理論に着想を得て,新しい復号化フレームワークDECDERを提案する。
論文参考訳（メタデータ） (2024-03-04T11:49:08Z)
GuardRails: Automated Suggestions for Clarifying Ambiguous Purpose Statements [0.0]
関数の前に、プログラマは目的のステートメント、すなわち関数が何を計算するかの、短い自然言語による説明を書くことを奨励される。目的のステートメントは曖昧であるかもしれない、すなわち、2つ以上の非等価な計算が特定の入力に当てはまる場合、意図した振る舞いを特定できないかもしれない。本稿では,Large Language Models (LLMs) を用いてそのような入力を提案する小説を提案する。我々は、Pythonプログラミング言語のVisual Studio Codeの拡張として、データセットのオープンソース実装を作成します。
論文参考訳（メタデータ） (2023-12-13T14:56:42Z)
Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
論文参考訳（メタデータ） (2023-11-16T00:18:50Z)
We're Afraid Language Models Aren't Modeling Ambiguity [136.8068419824318]
あいまいさの管理は人間の言語理解の重要な部分です。文中のあいまいさは,他の文との係り受け関係に与える影響によって特徴付けられる。我々は,多ラベルNLIモデルが曖昧さによって誤解を招く野生の政治的主張にフラグを付けることができることを示す。
論文参考訳（メタデータ） (2023-04-27T17:57:58Z)
Language Models as Inductive Reasoners [125.99461874008703]
本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文参考訳（メタデータ） (2022-12-21T11:12:14Z)
Is the Elephant Flying? Resolving Ambiguities in Text-to-Image Generative Models [64.58271886337826]
テキストから画像への生成モデルで生じるあいまいさについて検討する。本稿では,ユーザから明確化を求めることによって,システムに与えられるプロンプトのあいまいさを軽減する枠組みを提案する。
論文参考訳（メタデータ） (2022-11-17T17:12:43Z)

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。