論文の概要: A Literate Programming Environment for Human and Machine Agents
- arxiv url: http://arxiv.org/abs/2608.24644v1
- Date: Tue, 25 Aug 2026 14:54:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.049955
- Title: A Literate Programming Environment for Human and Machine Agents
- Title（参考訳）: 人間と機械エージェントのためのリテラルプログラミング環境
- Authors: Adam T. Burke,
- Abstract要約: 本稿では,言語対応機械エージェントと協調してリテラトプログラムを構築する環境を提案する。
これには、実行可能なプログラムエッセイのための文法、散文、名前、実行可能なアーティファクトに関連する名前グラフ、既存の言語やテストツールセットのバインディングメカニズムが含まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces an environment for constructing literate programs in concert with language-aware machine agents. This environment includes a grammar for executable program essays, a parser that treats names as first-class objects, an internal name-graph which relates prose, names and executable artifacts, and a binding mechanism for existing languages and testing toolsets. This supports co-location of code with its most relevant natural language and structured data context, making better use of Large Language Model (LLM) context windows. It also provides LLM coding agents with a toolset more analogous to the symbol-aware search and usage information available in human programmer-facing Integrated Development Environments (IDEs). We describe a working implementation with bindings to three established programming languages, and several example programs.
- Abstract（参考訳）: 本稿では,言語対応機械エージェントと協調してリテラトプログラムを構築する環境を提案する。
この環境には、実行可能なプログラムエッセイのための文法、名前を第一級オブジェクトとして扱うパーサー、散文、名前と実行可能なアーティファクトに関連する内部名グラフ、既存の言語やテストツールセットのバインディングメカニズムが含まれる。
これは、最も関連性の高い自然言語と構造化データコンテキストとのコロケーションをサポートし、LLM(Large Language Model)コンテキストウインドウをうまく活用する。
また、LLMコーディングエージェントは、人間のプログラマが直面する統合開発環境(IDE)で利用可能なシンボル認識検索や利用情報に類似したツールセットを提供する。
本稿では,既存の3つのプログラミング言語にバインディングを組み込んだ実装と,いくつかのサンプルプログラムについて述べる。
関連論文リスト
- Synthetic Programming Elicitation for Text-to-Code in Very Low-Resource Programming and Formal Languages [21.18996339478024]
SPEAC(emphsynthetic programming elicitation and compilation)を紹介する。
SPEACは、より頻繁に、意味的正しさを犠牲にすることなく、構文的に正しいプログラムを生成する。
UCLID5形式検証言語のケーススタディにおいて,SPEACの性能を実証的に評価した。
論文 参考訳（メタデータ） (2024-06-05T22:16:19Z) - LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。
LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。
LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
論文 参考訳（メタデータ） (2023-10-30T17:55:02Z) - Natural Language Commanding via Program Synthesis [0.29360071145551064]
Microsoft Officeのような生産性ソフトウェアのための自然言語フレンドリなAIシステムであるSemantic Interpreterを紹介する。
LLMは自然言語として表現されるユーザインテントを理解するのに優れていますが、アプリケーション固有のユーザインテントを満たすには不十分です。
私たちは、Officeアプリケーションにおけるエンティティのアクションの実行とインタラクションに特化した簡潔でハイレベルな言語であるOffice Domain Specific Language (O)を紹介します。
論文 参考訳（メタデータ） (2023-06-06T07:28:49Z) - Identifying concept libraries from language about object structure [56.83719358616503]
自然言語記述を2Kプロシージャ生成オブジェクトの多種多様なセットに利用して,ユーザが使用する部分を特定する。
我々は、異なる部分概念を含むプログラムライブラリの空間の探索として、この問題を形式化する。
自然言語と構造化されたプログラム表現を組み合わせることで、人々が名前をつける部分概念を規定する基本的な情報理論的なトレードオフを発見する。
論文 参考訳（メタデータ） (2022-05-11T17:49:25Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳（メタデータ） (2021-06-18T15:08:47Z)
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。