論文の概要: ReSyn: A Generalized Recursive Regular Expression Synthesis Framework

• arxiv url: http://arxiv.org/abs/2603.24624v1
• Date: Wed, 25 Mar 2026 01:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.897642
• Title: ReSyn: A Generalized Recursive Regular Expression Synthesis Framework
• Title（参考訳）: ReSyn: 一般化された再帰正規表現合成フレームワーク
• Authors: Seongmin Kim, Hyunjoon Cheon, Su-Hyeon Kim, Yo-Sub Han, Sang-Ki Ko,
• Abstract要約: 本稿では、複雑な合成問題を管理可能なサブプロブレムに分解するシンセサイザー・ディビジョン・アンド・コンカ・フレームワークReSynを提案する。 また、パラメータ効率の良い合成器であるSet2Regexを導入する。
• 参考スコア（独自算出の注目度）: 8.58401487492519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing Programming-By-Example (PBE) systems often rely on simplified benchmarks that fail to capture the high structural complexity-such as deeper nesting and frequent Unions-of real-world regexes. To overcome the resulting performance drop, we propose ReSyn, a synthesizer-agnostic divide-and-conquer framework that decomposes complex synthesis problems into manageable sub-problems. We also introduce Set2Regex, a parameter-efficient synthesizer capturing the permutation invariance of examples. Experimental results demonstrate that ReSyn significantly boosts accuracy across various synthesizers, and its combination with Set2Regex establishes a new state-of-the-art on challenging real-world benchmark.
• Abstract（参考訳）: 既存のProgramming-By-Example (PBE) システムは、しばしば、より深いネストや頻繁なUnion-of- real-world Regexのような高い構造的な複雑さを捉えるのに失敗する、単純化されたベンチマークに依存している。 結果として生じる性能低下を克服するために、複雑な合成問題を管理可能なサブプロブレムに分解する、シンセサイザーに依存しない分割・コンカフレームワークReSynを提案する。 また、パラメータ効率のよい合成器であるSet2Regexを導入し、例の置換不変性をキャプチャする。 実験結果から、ReSynは様々なシンセサイザーの精度を大幅に向上させ、Set2Regexと組み合わせることで、挑戦的な実世界のベンチマークに新たな最先端性を確立した。

関連論文リスト

• High-Performance Exact Synthesis of Two-Qubit Quantum Circuits [0.0]
  Clifford+$T$ゲート集合上の2量子回路の正確な合成フレームワークを提案する。 提案手法は,有界な探索空間を排除し,冗長性を回避するために代数的正準化を利用して,合成をクエリに変換する最適な実装のルックアップテーブルを構築する。
  論文  参考訳（メタデータ） (2026-01-27T03:57:04Z)
• Randomized Benchmarking with Synthetic Quantum Circuits [0.471858286267785]
  我々はRandomized benchmarking(RB)のサンプル効率を高めるための広範なフレームワークを紹介する。 我々の戦略は、任意のベンチマークグループに適用され、入力データと出力データの古典的な後処理を伴う「合成」量子回路を使用する。 実験的な高スピン系の場合,合成RBプロトコルは回転不変誤差率の測定の複雑さを低減できることを示す。
  論文  参考訳（メタデータ） (2024-12-24T18:10:00Z)
• SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
  トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。 その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-05-16T12:22:41Z)
• ExeDec: Execution Decomposition for Compositional Generalization in Neural Program Synthesis [54.18659323181771]
  プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。 本稿では,ExeDecを提案する。ExeDecは,実行サブゴールを予測し,各ステップでプログラム実行によって段階的に通知される問題を解くための,新しい分解ベースの戦略である。
  論文  参考訳（メタデータ） (2023-07-26T01:07:52Z)
• Finding needles in a haystack: Sampling Structurally-diverse Training Sets from Synthetic Data for Compositional Generalization [33.30539396439008]
  意味解析における合成一般化を改善するための合成発話プログラムペアの自動生成について検討する。 構造的に異なる合成例のサブセットを選択し、それらを合成一般化を改善するために利用する。 我々は,スキーマ2QAデータセットの新たな分割に対するアプローチを評価し,それが構成一般化の劇的な改善と従来のi.i.dセットアップの適度な改善につながっていることを示す。
  論文  参考訳（メタデータ） (2021-09-06T16:20:47Z)
• Syntactic representation learning for neural network based TTS with syntactic parse tree traversal [49.05471750563229]
  本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。 実験の結果,提案手法の有効性が示された。 複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
  論文  参考訳（メタデータ） (2020-12-13T05:52:07Z)
• Synthesizer: Rethinking Self-Attention in Transformer Models [93.08171885200922]
  ドット積の自己アテンションは、最先端のトランスフォーマーモデルでは不可欠である。 本稿では,ドット製品に基づく自己認識機構がトランスフォーマーモデルの性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-05-02T08:16:19Z)
• Multi-level Head-wise Match and Aggregation in Transformer for Textual Sequence Matching [87.97265483696613]
  そこで本研究では,複数のレベルにおける頭部のマッチング表現を学習することで,Transformerとのシーケンスペアマッチングを新たに提案する。 実験の結果,提案手法は複数のタスクにおいて新しい最先端性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2020-01-20T20:02:02Z)

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。