論文の概要: Progress in Benchmarking Generics for Mathematical Computation
- arxiv url: http://arxiv.org/abs/2607.26206v1
- Date: Tue, 28 Jul 2026 19:12:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.457213
- Title: Progress in Benchmarking Generics for Mathematical Computation
- Title（参考訳）: 数理計算のためのベンチマークジェネリックの進歩
- Abstract要約: 本研究は、現在広く使われている言語で使われている多種多様な汎用化戦略の結果について検討する。
測定対象はメインスイート用のRust Java、Go、TypeScript、Grbnerベースベンチマーク用の追加のC++とJuliaの測定だ。
- 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: The original SciGMark benchmark adapted the SciMark numerical suite to measure the cost of generic programming in scientific computing. In the twenty years since, generics have become ordinary features of mainstream languages, but their implementation strategies have diversified. This paper reports SciGMark 1.5, a benchmark study of specialized and generic implementations in modern languages. The study has three aims. First, it examines the consequences of the wide variety of generic-realization strategies used in current widely used languages. Second, it extends the benchmark toward symbolic computation by adding finite-field linear algebra, finite-field FFT, and a naïve Gröbner basis computation. Third, it asks how the original floating-point scientific kernels behave in the new language settings. The measurements cover Rust, Java, Go, and TypeScript for the main suite, with additional C++ and Julia measurements for the Gröbner basis benchmark. The study also records representative output artifact sizes, since code generation and runtime packaging are part of the cost model of generic programming. The results confirm that the cost of generic programming is not inherent in abstraction itself, but depends strongly on when type information is resolved, how arithmetic values are represented, and whether the compiler or runtime can recover specific operations in the inner loops. Ahead-of-time monomorphization usually makes generic code close to specialized code in the numerical tests. Erased or objectbased generic arithmetic can introduce substantial overhead, especially in arithmetic- and allocation-intensive code. Runtime specialization occupies an intermediate position, offering flexibility and good steady-state performance when type inference and representation choices are favourable.
- Abstract（参考訳）: 最初のSciGMarkベンチマークでは、科学計算におけるジェネリックプログラミングのコストを測定するためにSciMark数値スイートが採用された。
以降20年間で、ジェネリックは主流言語の一般的な特徴となっているが、その実装戦略は多様化している。
本稿では,現代言語における特殊および汎用実装のベンチマーク研究であるSciGMark 1.5について報告する。
研究には3つの目的がある。
まず、現在広く使われている言語で使われている多種多様な汎用化戦略の結果について検討する。
第二に、有限体線型代数、有限体 FFT、ナイーブ・ゲブナー基底計算を加えることで、シンボリック計算に向けてベンチマークを拡張する。
第3に、元の浮動小数点の科学カーネルが、新しい言語設定でどのように振る舞うかを問う。
測定対象はメインスイート用のRust、Java、Go、TypeScript、Gröbnerベースベンチマーク用の追加のC++とJuliaの測定だ。
この研究は、コード生成と実行時パッケージングがジェネリックプログラミングのコストモデルの一部であるため、代表的な出力アーティファクトのサイズを記録している。
その結果、ジェネリックプログラミングのコストは抽象化そのものに固有のものではなく、型情報がいつ解決されるか、演算値がどのように表現されるか、コンパイラやランタイムが内部ループで特定の操作を復元できるかに大きく依存することがわかった。
Ahead-of-time monomorphizationは通常、数値テストで特殊コードに近い汎用コードを生成する。
消去またはオブジェクトベースのジェネリック算術は、特に算術的および割当集約的なコードにかなりのオーバーヘッドをもたらすことがある。
実行時の特殊化は中間的な位置を占め、型推論と表現の選択が好ましい場合、柔軟性と安定した状態のパフォーマンスを提供する。
関連論文リスト
- A Large-Scale Study of Floating-Point Usage in Statically Typed Languages [0.0]
本稿では,静的型付け言語における浮動小数点演算の大規模研究について述べる。
特定の構成物や関数のサイズや使用状況などの統計データを比較する。
文献において浮動小数点算術の自動推論手法を評価するために用いられるベンチマークは、ある面において「実世界の」コードを表すものであるが、全くない。
論文 参考訳（メタデータ） (2025-09-05T08:58:43Z) - ClassInvGen: Class Invariant Synthesis using Large Language Models [11.374431160444676]
ClassInvGenは実行可能なクラス不変量とテスト入力を共同生成するメソッドである。
ClassInvGenは、(コードから)仕様を生成するために純粋なLCMベースの技術より優れていることを示す。
また、広く使われている高積分C++内のいくつかのクラスについてケーススタディを行い、実世界のコードに適用可能であることを示す。
論文 参考訳（メタデータ） (2025-02-26T08:10:57Z) - EquiBench: Benchmarking Large Language Models' Reasoning about Program Semantics via Equivalence Checking [58.15568681219339]
大規模言語モデル(LLM)を評価するための新しいベンチマークであるEquiBenchを紹介する。
このタスクは、プログラムのセマンティクスについて推論するモデルの能力を直接テストする。
19の最先端LCMを評価し、最も難しいカテゴリでは、最高の精度は63.8%と76.2%であり、50%のランダムベースラインよりわずかに高い。
論文 参考訳（メタデータ） (2025-02-18T02:54:25Z) - Training Neural Networks as Recognizers of Formal Languages [87.06906286950438]
ニューラルネットワークを文字列のバイナリ分類器として直接訓練し評価する。
3つのニューラルアーキテクチャに対して、チョムスキー階層の様々な言語について結果を提供する。
我々の貢献は、将来の研究において、言語認識の主張を理論的に健全に検証するのに役立つだろう。
論文 参考訳（メタデータ） (2024-11-11T16:33:25Z) - CRUXEval-X: A Benchmark for Multilingual Code Reasoning, Understanding and Execution [50.1875460416205]
CRUXEVAL-Xコード推論ベンチマークには19のプログラミング言語が含まれている。
各言語に対して少なくとも600人の被験者で構成され、合計19Kのコンテンツ一貫性テストがある。
Pythonでのみトレーニングされたモデルでさえ、他の言語で34.4%のPass@1を達成することができる。
論文 参考訳（メタデータ） (2024-08-23T11:43:00Z) - From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models [63.188607839223046]
この調査は、推論中に計算をスケールするメリットに焦点を当てている。
我々はトークンレベルの生成アルゴリズム、メタジェネレーションアルゴリズム、効率的な生成という3つの領域を統一的な数学的定式化の下で探索する。
論文 参考訳（メタデータ） (2024-06-24T17:45:59Z) - Learning Type Inference for Enhanced Dataflow Analysis [6.999203506253375]
我々は、型アノテーションを確実に予測するように訓練されたTransformerベースのモデルであるCodeTIDAL5を提案する。
私たちのモデルは、MaryTypes4TypeScriptベンチマークで現在の最先端を7.85%上回っています。
JoernTIは、オープンソースの静的解析ツールであるJoernへの私たちのアプローチの統合です。
論文 参考訳（メタデータ） (2023-10-01T13:52:28Z) - OrdinalCLIP: Learning Rank Prompts for Language-Guided Ordinal
Regression [94.28253749970534]
我々は、リッチなセマンティックCLIP潜在空間からランクの概念を学ぶことを提案する。
OrdinalCLIPは学習可能なコンテキストトークンと学習可能なランク埋め込みで構成されている。
実験結果から,本パラダイムは一般順序回帰タスクにおける競合性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-06T03:54:53Z) - A Reinforcement Learning Environment for Polyhedral Optimizations [68.8204255655161]
マルコフ決定過程(MDP)として多面体モデルにおける法的変換空間の形状に依存しない定式化を提案する。
変換を使う代わりに、定式化は可能なスケジュールの抽象空間に基づいている。
我々の総合的MDP定式化は、強化学習を用いて幅広いループで最適化ポリシーを学習することを可能にする。
論文 参考訳（メタデータ） (2021-04-28T12:41:52Z) - Soft Genetic Programming Binary Classifiers [0.0]
ソフト」遺伝的プログラミング(SGP)が開発され、論理演算木はより柔軟になり、データセットに依存性を見出すことができる。
本稿では,SGP手法を用いたバイナリ分類器の構成法について述べる。
論文 参考訳（メタデータ） (2021-01-21T17:43:11Z) - Complex-valued embeddings of generic proximity data [0.6117371161379209]
近さは、ほぼすべての機械学習手法の中心にある。
近接データの複素数値ベクトル埋め込みを提案する。
複雑な値を持つデータは、複雑な値を持つ機械学習アルゴリズムの入力として機能する。
論文 参考訳（メタデータ） (2020-08-31T09:40:30Z)
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。