論文の概要: The Invisible Scheduler: Dragging a Sprite Can Change What a Scratch Program Does
- arxiv url: http://arxiv.org/abs/2609.36147v1
- Date: Mon, 28 Sep 2026 19:21:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.968122
- Title: The Invisible Scheduler: Dragging a Sprite Can Change What a Scratch Program Does
- Title（参考訳）: スプライトをドラッグすれば、スクラッチプログラムの動作が変わる
- Abstract要約: StackSwapは5つのスプライト(コンフリクトグラフのクラス毎に1つ)と、どちらも実現不可能なサンプルでプロジェクトを実行する。
2ランの証人が隣のスプライトを命名し、スワップが結果を変える。
すべての注文が実行されたセンシティブなプログラムの中で、保存された注文の結果は、注文の中央値(コース)と50%(パブリック)で再帰する。
- 参考スコア（独自算出の注目度）: 0.9148747049384086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tens of millions of children program in Scratch, whose programs are concurrent: when the green flag is clicked, every sprite's scripts start together and share the project's state. Which script starts first is decided by the sprites' front-to-back stacking order, which no block reads. Dragging a sprite brings it to the front, and the order is saved with the project. Hence, a program can work on the author's screen and fail on the teacher's, with the same blocks. Our key observation is that, with the rest of the file fixed, rearranging the sprites that start scripts among their positions produces exactly the permutations of their initial stacking order. Under a fixed input and seed the unmodified virtual machine reproduces every one of them. StackSwap runs a project under these orders, all of them for up to five sprites, one per class of a conflict graph beyond, and a sample where neither is feasible, and compares the runs under four observation lenses. It returns a two-run witness naming an adjacent pair of sprites whose swap changes the outcome, with the resources they share as candidate causes; otherwise an exhaustive or graph-conditional robustness certificate, or an unresolved verdict. On 767 real programs from a course, an online judge, and a random public sample, 26.4% (course) and 18.2% (public) of those with a scheduling choice behave differently under some stacking order. Among the sensitive programs whose every order ran, the saved order's outcome recurs under a median 17% (course) and 50% (public) of the orders. Under scripted play, a predicate written from a stated requirement holds under one order and fails under another for 5 of 427 student submissions with a scheduling choice. For half of the sensitive programs the random stream is the racing pair's highest-priority shared resource. We close with recommendations for learners, graders, and the Scratch platform.
- Abstract（参考訳）: グリーンフラグがクリックされると、すべてのスプライトのスクリプトが一緒に始まり、プロジェクトの状態を共有する。
どのスクリプトが最初に始まるかはスプライトのフロント・ツー・バック・スタックの順序で決定される。
スプライトをドラッグするとフロントに表示され、注文はプロジェクトによって保存される。
したがって、プログラムは著者の画面上で動作し、同じブロックで教師の画面で失敗する。
私たちのキーとなる観察は、残りのファイルが修正され、それらの位置でスクリプトを起動するスプライトが、その初期積み上げ順序の順に正確に変換されることです。
固定された入力とシードの下で、未修正の仮想マシンはそれらの全てを再生する。
StackSwapは、これらの命令の下で、最大5つのスプライト(コンフリクトグラフのクラスごとに1つ)と、どちらも実現不可能なサンプルを実行し、4つの観察レンズで実行を比較します。
隣のスプライトにスワップが結果を変え、それらが候補原因として共有するリソース、さもなくば徹底的またはグラフ条件の堅牢性証明書、あるいは未解決の判決を命名する2回の証人を返す。
コースから767の実際のプログラム、オンラインの裁判官、ランダムな公開サンプル、26.4%(コース)と18.2%(パブリック)のスケジュール選択のプログラムは、いくつかの積み重ね順序の下で異なる振る舞いをする。
すべての注文が実行されたセンシティブなプログラムの中で、保存された注文の結果は、注文の中央値(コース)と50%(パブリック)で再帰する。
スクリプテッド・プレイでは、規定された要件から書かれた述語が1つの順序で成立し、427人の学生のうち5人に1つの順序で失敗する。
センシティブなプログラムの半分は、ランダムストリームがレースペアの最も優先度の高い共有リソースである。
我々は、学習者、学年、およびScratchプラットフォームに対する推奨事項を締めくくっている。
関連論文リスト
- ClosureBench: A Constructive Benchmark for Compositional Graph Reasoning [1.827510863075184]
ClosureBenchはグラフ関係推論のための構築的なベンチマークである。
証明済みの真実だ
1.5Bのオープンウェイトからフロンティアシステムへのモデルの評価を行った。
論文 参考訳（メタデータ） (2026-08-18T18:36:21Z) - SchedCheck: Schedule-Robustness Analysis for Event-Driven Block Programs [2.054408744752205]
Scratchのようなブロックベースの言語は、初心者がスプライトやスクリプトからインタラクティブなプログラムを組み立てることを可能にする。
これらのプログラムは実行順序に依存したスケジュールに敏感な動作を含むことを示す。
我々は、Scratch仮想マシンが実現可能なスケジュール空間を、初期実行可能ターゲットオーダーの置換として定式化する。
論文 参考訳（メタデータ） (2026-07-01T08:41:53Z) - SNARE: Adaptive Scenario Synthesis for Eliciting Overeager Behavior in Coding Agents [40.270213696031625]
符号化エージェントは、シェル、ファイル、ネットワークアクションのシーケンスとして良質なタスクを実行する。
プロンプトは敵ではなく、実行は成功しますが、スコープ外ステップでは認証情報をリークしたり、ファイルを削除することができます。
既存のベンチマークでは、タスク補完スイートは、完了した実行を承認し、jailbreakスイートは、逆のプロンプトをプローブし、以前のオーバーイーガーベンチマークは、各エージェントモデルペアに単一の固定プロンプトを適用する。
再利用可能なスコープから良性シナリオを構成するパイプラインであるSNAREを提案する。
論文 参考訳（メタデータ） (2026-05-27T08:14:07Z) - What Happens Before Decoding? Prefill Determines GUI Grounding in VLMs [33.91859613266694]
VLM(Vision-Language Models)におけるGUIグラウンディング中に何が起こるかを調べ、これまで見過ごされていたボトルネックを特定する。
プリフィルステージは候補UI要素を決定するが、デコードステージは最終的な座標を洗練させる。
Re-Prefillは、注意誘導された第2のプリフィルステージを導入して、ターゲット選択を洗練させることによって推論を再考する、トレーニング不要な手法である。
論文 参考訳（メタデータ） (2026-05-10T07:04:07Z) - GTA1: GUI Test-time Scaling Agent [97.58177633084915]
グラフィカルユーザインタフェース(GUI)は、ユーザ命令をアクションプロポーザルに順次分解することで、プラットフォーム(例えばLinux)間で自律的にタスクを完了させる。
本稿では,前述の textbfGUI textbfTest-time Scaling textbfAgent,すなわち GTA1 の課題について検討する。
論文 参考訳（メタデータ） (2025-07-08T08:52:18Z) - Non-Sequential Graph Script Induction via Multimedia Grounding [129.83134296316493]
我々は、学習タスクのための明示的なグラフスクリプトを生成することと、部分的なステップシーケンスが与えられた将来のステップを予測することの両方が可能なスクリプト知識モデルを訓練する。
人間による評価では、我々のモデルはWikiHowの線形ベースラインを48.76%上回り、シーケンシャルなステップ関係と非シーケンシャルなステップ関係を捉えた。
論文 参考訳（メタデータ） (2023-05-27T18:13:17Z) - NAPG: Non-Autoregressive Program Generation for Hybrid Tabular-Textual
Question Answering [52.10214317661547]
現在の数値推論法はプログラムシーケンスを自己回帰的にデコードする。
プログラム生成の精度は、デコードステップがエラー伝搬によって展開されるにつれて急激に低下する。
本稿では,非自己回帰型プログラム生成フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-07T11:25:21Z) - Fault-Aware Neural Code Rankers [64.41888054066861]
サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。
我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2022-06-04T22:01:05Z) - Non-Programmers Can Label Programs Indirectly via Active Examples: A
Case Study with Text-to-SQL [61.950839050383514]
APELは、非プログラマがシードセマンティクス(例えば、Codex)によって生成される候補プログラムの中から選択するフレームワークである。
各発話に対してAPELは、候補プログラムが異なる出力を生成する傾向がある単純な入力を積極的に検索する。
非プログラマに対して適切な出力を選択することのみを要求し、どのプログラムが正しいかを推測できるようにします。
論文 参考訳（メタデータ） (2022-05-25T00:35:12Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z)
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。