論文の概要: Formally Verified Code Synthesis for Structured Data Translation in a Medical Internet of Things
- arxiv url: http://arxiv.org/abs/2606.20776v1
- Date: Thu, 18 Jun 2026 16:12:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 12:58:28.499831
- Title: Formally Verified Code Synthesis for Structured Data Translation in a Medical Internet of Things
- Title（参考訳）: 医療用インターネットにおける構造化データ翻訳のための形式的検証コード合成
- Authors: Colin Samplawski, Adam D. Cobb,
- Abstract要約: この領域における重要な課題は、合成されたコードが信頼できることを保証することである。
提案システムは,低コストで正しい翻訳を連続的に生成可能であることを示す実験結果の集合を提供する。
- 参考スコア（独自算出の注目度）: 3.6543826529296237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we present a LLM powered, evolutionary code synthesis system for structured data translation in a Medical Internet of Things settings. A key challenge in this domain is ensuring that the synthesized code is trustworthy and reliable. To this end, we integrate a formal verification step into our code synthesis pipeline to ensure that any generated code is guaranteed to satisfy predefined requirements. In particular, we present a case study of integrating a novel device (a pulse oximeter) into the existing network of devices. Our system generates a formally verified translation between the device's JSON schema and the Fast Healthcare Interoperability Resources (FHIR) format used by the wider system. This formal verification stage ensures structured data translated by the generated code will always be in the target output schema. We provide a set of experimental results which demonstrate that our system is able to consistently generate correct translation at low cost.
- Abstract（参考訳）: 本研究では,LLMを用いた構造化データ翻訳のための進化的コード合成システムを提案する。
この領域における重要な課題は、合成されたコードが信頼できることを保証することである。
この目的のために、コード合成パイプラインに正式な検証ステップを統合することで、生成されたコードが事前に定義された要件を満たすことを保証します。
特に,新しいデバイス(パルスオキシメータ)を既存のデバイスネットワークに統合するケーススタディを提案する。
本システムは,装置のJSONスキーマと,より広範なシステムで使用されるFHIRフォーマットとの間で,正式に認証された変換を生成する。
この形式的な検証段階は、生成されたコードによって変換された構造化されたデータが、常にターゲットの出力スキーマ内にあることを保証します。
提案システムは,低コストで正しい翻訳を連続的に生成可能であることを示す実験結果の集合を提供する。
関連論文リスト
- FormalRTL: Verified RTL Synthesis at Scale [13.063660438578575]
本稿では,ソフトウェア参照モデルを形式的かつ実行可能な仕様として統合する,新しいエンドツーエンドマルチエージェントフレームワークであるFormalRTLを提案する。
FormalRTLは、計画、合成、形式的等価性チェックの密結合により、スケーラブルで信頼性の高いハードウェアコード生成を実現する。
この分野における今後の研究を促進するために,FormalRTLフレームワークとベンチマークスイートをオープンソースとして公開します。
論文 参考訳（メタデータ） (2026-02-25T04:58:09Z) - An end-to-end agentic pipeline for smart contract translation and quality evaluation [5.027278762864141]
本稿では,自然言語仕様から生成されたスマートコントラクトを体系的に評価するためのエンドツーエンドフレームワークを提案する。
システムはコントラクトテキストを構造化スキーマに解析し、Solidityコードを生成し、コンパイルとセキュリティチェックを通じて自動品質評価を実行する。
論文 参考訳（メタデータ） (2026-02-14T14:37:59Z) - CorpusQA: A 10 Million Token Benchmark for Corpus-Level Analysis and Reasoning [48.56088080889236]
我々は、新しいデータ合成フレームワークによって生成された1000万のトークンをスケーリングする新しいベンチマークであるCorpusQAを紹介した。
合成データの微調整はLLMの一般的な長文推論能力を効果的に向上させることを示す。
メモリ拡張型エージェントアーキテクチャは,より堅牢な代替手段であることを示す。
論文 参考訳（メタデータ） (2026-01-21T12:52:30Z) - Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes [37.88754205269813]
本稿では,LLMエージェント,コード実行,医療用語データベースツールを活用したエンドツーエンドフレームワークを提案する。
我々のソリューションであるInfhernoは、FHIRドキュメントスキーマに準拠するように設計されており、構造化されていないテキストからFHIRリソースを予測するための人間のベースラインとよく競合する。
論文 参考訳（メタデータ） (2025-07-16T14:06:51Z) - ProtocolLLM: RTL Benchmark for SystemVerilog Generation of Communication Protocols [45.66401695351214]
本稿では,広く使用されているSystemVerilogプロトコルを対象とした最初のベンチマークスイートであるProtocolLLMを紹介する。
我々は,ほとんどのモデルがタイミング制約に従う通信プロトコルのSystemVerilogコードを生成するのに失敗したことを観察する。
論文 参考訳（メタデータ） (2025-06-09T17:10:47Z) - A Hybrid Approach to Information Retrieval and Answer Generation for Regulatory Texts [0.0]
本稿では,語彙検索と意味検索を組み合わせたハイブリッド情報検索システムを提案する。
このシステムは、微調整文変換モデルと従来のBM25アルゴリズムを統合し、意味的精度と語彙的カバレッジの両方を達成する。
論文 参考訳（メタデータ） (2025-02-24T01:16:16Z) - Uncovering LLM-Generated Code: A Zero-Shot Synthetic Code Detector via Code Rewriting [78.48355455324688]
原符号とLLM書き換え版との類似性に基づく新しいゼロショット合成符号検出器を提案する。
以上の結果から,既存のSOTA合成コンテンツ検出装置よりも顕著な改善が得られた。
論文 参考訳（メタデータ） (2024-05-25T08:57:28Z) - CoCoST: Automatic Complex Code Generation with Online Searching and Correctness Testing [51.00909683314142]
大規模言語モデルは、自然言語記述を実行可能なコードに変換することによって、コード生成能力に革命をもたらした。
CoCoSTフレームワークは、オンライン検索によって複雑なコード生成を強化する。
CoCoSTはDS-1000とClassEvalデータセットの厳密な実験によって検証される。
論文 参考訳（メタデータ） (2024-03-20T13:33:55Z) - Synthetic Datasets for Neural Program Synthesis [66.20924952964117]
本稿では,プログラムと仕様の両方で合成データ分布のバイアスを制御し,評価するための新しい手法を提案する。
そこで我々は,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することが実証された。
論文 参考訳（メタデータ） (2019-12-27T21:28:10Z)
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。