論文の概要: Sharing State Between Prompts and Programs

• arxiv url: http://arxiv.org/abs/2512.14805v1
• Date: Tue, 16 Dec 2025 18:41:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.744753
• Title: Sharing State Between Prompts and Programs
• Title（参考訳）: プロンプトとプログラム間の状態共有
• Authors: Ellie Y. Cheng, Logan Weber, Tian Jin, Michael Carbin,
• Abstract要約: 新たな研究領域は、自然言語コードとPythonのような形式言語との相互運用性を可能にする。 本稿では、自然言語コードとプログラム状態の相互運用を可能にするために必要となる手作業を取り除く、新しいプログラミング抽象化、共有プログラム状態を提案する。 Nightjarを使えば、プログラマはPythonプログラム状態を共有する自然なコードを含むPythonプログラムを書くことができる。
• 参考スコア（独自算出の注目度）: 12.675058397346335
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The rise of large language models (LLMs) has introduced a new type of programming: natural language programming. By writing prompts that direct LLMs to perform natural language processing, code generation, reasoning, etc., users are writing code in natural language -- natural language code -- for the LLM to execute. An emerging area of research enables interoperability between natural language code and formal languages such as Python. We present a novel programming abstraction, shared program state, that removes the manual work required to enable interoperability between natural language code and program state. With shared program state, programmers can write natural code that directly writes program variables, computes with program objects, and implements control flow in the program. We present a schema for specifying natural function interfaces that extend programming systems to support natural code and leverage this schema to specify shared program state as a natural function interface. We implement shared program state in the Nightjar programming system. Nightjar enables programmers to write Python programs that contain natural code that shares the Python program state. We show that Nightjar programs achieve comparable or higher task accuracy than manually written implementations (+4-19%), while decreasing the lines of code by 39.6% on average. The tradeoff to using Nightjar is that it may incur runtime overhead (0.4-4.3x runtime of manual implementations).
• Abstract（参考訳）: 大規模言語モデル(LLM)の台頭は、自然言語プログラミングという新しいタイプのプログラミングを導入した。 LLMに自然言語処理、コード生成、推論などを直接実行するプロンプトを書くことで、LLMが実行する自然言語(自然言語コード)でコードを書くことができる。 新たな研究領域は、自然言語コードとPythonのような形式言語との相互運用性を可能にする。 本稿では、自然言語コードとプログラム状態の相互運用を可能にするために必要となる手作業を取り除く、新しいプログラミング抽象化、共有プログラム状態を提案する。 プログラム状態を共有することで、プログラマはプログラム変数を直接書き、プログラムオブジェクトで計算し、プログラム内の制御フローを実装することができる。 本稿では、自然言語をサポートするためにプログラミング言語を拡張し、このスキーマを利用して、関数インタフェースとして共有プログラム状態を指定する、自然関数インタフェースを指定するためのスキーマを提案する。 共有プログラム状態をNightjarプログラミングシステムに実装する。 Nightjarを使えば、プログラマはPythonプログラム状態を共有する自然なコードを含むPythonプログラムを書くことができる。 Nightjarプログラムは手書きの実装(+4-19%)と同等あるいは高いタスク精度を実現し,コード行数を平均39.6%削減した。 Nightjarを使用する際のトレードオフは、実行時のオーバーヘッド(手動実装の0.4-4.3xランタイム)を発生させる可能性があることである。

関連論文リスト

• AIOS Compiler: LLM as Interpreter for Natural Language Programming and Flow Programming of AI Agents [38.580779075892636]
  我々は、コード表現と実行(CoRE)のための新しいシステムを開発する。 提案システムは,自然言語プログラミング,擬似コードプログラミング,フロープログラミングを同一表現で統合し,言語エージェントを構築する。 実行中に、冗長性を最小化するために外部メモリを組み込む。
  論文  参考訳（メタデータ） (2024-05-11T04:29:03Z)
• Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
  本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。 我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。 Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
  論文  参考訳（メタデータ） (2023-09-19T17:54:21Z)
• Understanding Programs by Exploiting (Fuzzing) Test Cases [26.8259045248779]
  プログラムのより深い意味理解を実現するために,入力と出力/振る舞いの関係を学習に取り入れることを提案する。 コードの大部分の実行をトリガーするのに十分な入力を得るために,ファズテストを採用し,ファズチューニングを提案する。 提案手法の有効性は,コードクローン検出とコード分類を含む2つのプログラム理解タスクにおいて検証され,最先端技術よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2023-05-23T01:51:46Z)
• Learning to Plan with Natural Language [111.76828049344839]
  大規模言語モデル(LLM)は、様々な基本自然言語タスクにおいて顕著な性能を示している。 複雑なタスクを完了するためには、ステップごとに特定のソリューションを生成するためにLCMをガイドするタスクの計画が必要です。 本研究では,(1)第1学習課題計画フェーズにおいて,LCMが学習エラーフィードバックから導出するように促した新たなステップバイステップのソリューションと行動指示を用いてタスク計画を反復的に更新する,という2つの段階を含む学習計画手法を提案する。
  論文  参考訳（メタデータ） (2023-04-20T17:09:12Z)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• A Conversational Paradigm for Program Synthesis [110.94409515865867]
  本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。 私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。 本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
  論文  参考訳（メタデータ） (2022-03-25T06:55:15Z)

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。