論文の概要: Knowledge as Code

• arxiv url: http://arxiv.org/abs/2610.27693v1
• Date: Tue, 20 Oct 2026 06:13:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.668983
• Title: Knowledge as Code
• Title（参考訳）: コードとしての知識
• Abstract要約: 我々は知識をプログラミング言語や機械処理可能な形式で書かれたコードとして定義する。 コードが知識メディアのすべての特性を持つ最初の媒体であることを示します。
• 参考スコア（独自算出の注目度）: 7.017303286271101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For millennia, knowledge has been carried by language, and large language models still put language at the center. Yet the coding agents built on these models mostly write code. This paper is a contribution to epistemology, which asks what kind of knowledge code is and how it is obtained. We define knowledge as code as knowledge written in a programming language or in a machine-parsable data format, whose validity can be checked by executing it. We define thirteen epistemic properties of knowledge media and show that code is the first medium to have all of them. We distinguish two ways in which knowledge enters code, encoding and learning by execution, where code is both the experiment and the record of its result. Agents make learning by execution observable, since their trajectories record every probe, observation and line of code they keep. Code is thus not only a tool of knowledge work but a knowledge medium in its own right, the first that can check what it holds.
• Abstract（参考訳）: 何千年もの間、知識は言語によって運ばれてきた。 しかし、これらのモデル上に構築されたコーディングエージェントは、主にコードを書く。 本論文は認識学への貢献であり,どのような知識コードなのか,どのように得られるのかを問うものである。 我々は、知識をプログラミング言語や機械処理可能なデータ形式で書かれた知識としてコードとして定義する。 我々は、知識メディアの13の疫学的特性を定義し、コードがこれら全てを持つ最初の媒体であることを示す。 我々は、知識がコードに入り、コードを書き、実行によって学習する2つの方法を区別する。 エージェントは、それらが保持するすべてのプローブ、観察、コード行を記録するため、実行による学習をオブザーバブルにする。 したがって、コードは知識労働のツールであるだけでなく、独自の知識媒体でもある。

関連論文リスト

• Knowledge Circuits in Pretrained Transformers [47.342682123081204]
  現代の大言語モデルが知識をいかに保存するかという内部的な研究は、長い間、研究者の間で激しい関心と調査の対象となっていた。 本稿では,言語モデルのグラフを掘り下げて,特定の知識を明確にするための知識回路を明らかにする。 これらの知識回路に対する現在の知識編集技術の影響を評価し,これらの編集手法の機能や制約についてより深い知見を提供する。
  論文  参考訳（メタデータ） (2024-05-28T08:56:33Z)
• How Far Have We Gone in Binary Code Understanding Using Large Language Models [51.527805834378974]
  バイナリコード理解におけるLarge Language Models(LLM)の有効性を評価するためのベンチマークを提案する。 評価の結果、既存のLLMはバイナリコードをある程度理解でき、それによってバイナリコード解析の効率が向上することが明らかとなった。
  論文  参考訳（メタデータ） (2024-04-15T14:44:08Z)
• Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
  コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。 現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
  論文  参考訳（メタデータ） (2023-12-30T17:48:37Z)
• Source Code Comprehension: A Contemporary Definition and Conceptual Model for Empirical Investigation [5.139874302398955]
  研究コミュニティはソースコードの理解を概念として定義できていない。 タスクによる暗黙的な定義が一般的であり、つまり、コード理解は実験的なタスクが測るものである。 本稿では,ソースコードの理解を定義し,概念的枠組みを提示する参照作業を構成する。
  論文  参考訳（メタデータ） (2023-10-17T14:23:46Z)
• Code Execution with Pre-trained Language Models [88.04688617516827]
  コードインテリジェンスのトレーニング済みモデルのほとんどは実行トレースを無視しており、ソースコードと構文構造のみに依存している。 我々は,大規模かつ現実的なPythonデータセットとコード実行タスクを作成するために,突然変異に基づくデータ拡張手法を開発した。 次に、コード実行事前学習とカリキュラム学習を活用して意味理解を強化するトランスフォーマーモデルであるCodeExecutorを提案する。
  論文  参考訳（メタデータ） (2023-05-08T10:00:05Z)

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。