論文の概要: Executable Archaeology of Programs That Model Programming: Reanimating the Heuristic Compiler (1961) and KBEmacs (1984)

• arxiv url: http://arxiv.org/abs/2610.36341v1
• Date: Mon, 26 Oct 2026 22:09:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.440797
• Title: Executable Archaeology of Programs That Model Programming: Reanimating the Heuristic Compiler (1961) and KBEmacs (1984)
• Title（参考訳）: プログラミングをモデル化するプログラムの実行可能な考古学:ヒューリスティックコンパイラの再評価(1961年)とKBEmacs(1984年)
• Abstract要約: ハーバート・サイモンのヒューリスティックコンパイラ(Herbert Simon's Heuristic Compiler)は、問題解決のための実験モデルである。 KBEmacsは、熟達したプログラマが慣れ親しんだパターンを認識・組み合わせているという視点に基づいて構築された。 ヒューリスティックコンパイラの再アニメーションはSimon氏の1963年の論文に現れるコンパイルされたコードを再現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early AI programs were often also theories of how people think, and programs that wrote programs were, in part, theories of how people program. Here we report on the reanimation of two such programs that offer two seemingly different theories of programming and were developed for quite different purposes. The first, Herbert Simon's Heuristic Compiler (1961), was an experimental model of programming as problem-solving, applying the means-ends analysis methods of the General Problem Solver to investigate the nature of the programming task. The second, KBEmacs (1984), was a working prototype of an intelligent programming assistant developed by MIT's Programmer's Apprentice project, built on the view that expert programmers recognize and combine familiar patterns, or "cliches." It let a programmer build up programs by combining cliches through a stylized English command language. We approach both through the methodology of Executable Archaeology, the study of historical computational systems by running their original code, a process we call "reanimation." Our reanimation of the Heuristic Compiler reproduces the compiled code appearing in Simon's 1963 paper, and our reanimation of KBEmacs reproduces the SQRT sequence of its December 1984 self-test. Examined side by side, the two theories turn out to have much in common: the Heuristic Compiler also works by adapting existing routines, and Simon later argued that search alone requires a large body of programming knowledge. To highlight the reflexivity of this project, we deliberately used a modern AI-assisted programming tool, Anthropic's Claude Code (Opus 5.5), to carry out much of the detailed reanimation work, building on a significant base of existing software. The explicit, executable theories of programming that both systems embodied are largely absent from today's far more capable AI coding assistants.
• Abstract（参考訳）: 初期のAIプログラムは、しばしば人々がどのように考えるかの理論であり、プログラムを書いたプログラムは、部分的には、人々がどのようにプログラムするかの理論であった。 本稿では、2つの異なるプログラミング理論を提供し、全く異なる目的のために開発された2つのプログラムの再評価について報告する。 最初のHerbert Simon's Heuristic Compiler (1961) は、問題解決としてのプログラミングの実験モデルであり、一般問題解法(General Problem Solver)の平均端解析法を適用して、プログラミングタスクの性質を調査した。 2番目のKBEmacs(1984年)は、MITのProgrammer's Apprenticeプロジェクトで開発されたインテリジェントプログラミングアシスタントのプロトタイプであり、エキスパートプログラマが慣れ親しんだパターンを認識・組み合わせているという視点に基づいて開発された。 プログラマは、スタイル化された英語のコマンド言語を使って、クリフを組み合わせることで、プログラムを構築できる。 本研究では, 実行可能考古学の方法論, 原コードの実行による歴史的計算システムの研究, いわゆる「再アニメーション」のプロセスを通じて, 双方にアプローチする。 The Heuristic Compiler reanimation of the Heuristic Compiler shows the compile code appear in Simon's 1963 paper, and our reanimation of KBEmacs reanimation of the SQRT sequence of its December 1984 self-test。 ヒューリスティックコンパイラは既存のルーチンを適応することでも機能し、Simon氏は後に、検索だけではプログラミングの知識が大量に必要であると主張した。 このプロジェクトの反射性を強調するために、私たちは、最新のAI支援プログラミングツールであるAnthropic's Claude Code(Opus 5.5)を意図的に使用し、既存のソフトウェアの重要な基盤の上に構築した詳細な再アニメーション作業を実行しました。 両方のシステムが具現化した明示的で実行可能なプログラミング理論は、今日のはるかに有能なAIコーディングアシスタントにはほとんど欠落している。

関連論文リスト

• ProgramBench: Can Language Models Rebuild Programs From Scratch? [59.40748183470308]
  ProgramBenchは、ソフトウェアエンジニアリングエージェントがソフトウェアをホリシックに開発する能力を測定する。 エンドツーエンドの動作テストはエージェント駆動ファジィによって生成される。 モデルは、人間が書いたコードと大きく異なるモノリシックでシングルファイルの実装を好む。
  論文  参考訳（メタデータ） (2026-05-05T09:17:02Z)
• CODESIM: Multi-Agent Code Generation and Problem Solving through Simulation-Driven Planning and Debugging [3.3856216159724983]
  我々は,新しいマルチエージェントコード生成フレームワークであるCodeSimを紹介する。 人間が視覚シミュレーションを通じてアルゴリズムの理解を検証すると、CodeSimは一意に計画検証の手法を特徴付ける。 我々のフレームワークは、新しい最先端の結果を達成する(HumanEval 95.1%、MBPP 90.7%、APPS 22%、CodeContests 29.1%)。
  論文  参考訳（メタデータ） (2025-02-08T18:43:59Z)
• NExT: Teaching Large Language Models to Reason about Code Execution [50.93581376646064]
  大規模言語モデル(LLM)のコードは通常、プログラムの表面テキスト形式に基づいて訓練される。 NExTは,プログラムの実行トレースを検査し,実行時の動作を判断する手法である。
  論文  参考訳（メタデータ） (2024-04-23T01:46:32Z)
• AutoCodeRover: Autonomous Program Improvement [8.66280420062806]
  プログラムの改善を自律的に達成するために、GitHubの問題を解決する自動化アプローチを提案する。 AutoCodeRoverと呼ばれるアプローチでは、LLMは洗練されたコード検索機能と組み合わせられ、最終的にプログラムの変更やパッチにつながります。 SWE-bench-lite(300の現実のGitHubイシュー)の実験では、GitHubの問題を解決する効果が向上している(SWE-bench-liteでは19%)。
  論文  参考訳（メタデータ） (2024-04-08T11:55:09Z)
• Learning Performance-Improving Code Edits [107.21538852090208]
  本稿では,大規模言語モデル(LLM)を高レベルプログラム最適化に適用するためのフレームワークを提案する。 まず、競争力のある77,000以上のC++プログラミングサブミッションペアによる、人間のプログラマによるパフォーマンス改善編集のデータセットをキュレートする。 提案手法は,検索をベースとした少数ショットプロンプトとチェーン・オブ・シンクレットを提案し,その微調整には,自己再生に基づく性能条件付き生成と合成データ拡張が含まれる。
  論文  参考訳（メタデータ） (2023-02-15T18:59:21Z)
• Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming [28.254978977288868]
  GitHub Copilotは、何百万人ものプログラマが毎日使っているコード推奨システムです。 Copilotと対話する際の共通プログラマ活動の分類であるCUPSを開発した。 私たちの洞察は、プログラマがCopilotとどのように相互作用し、新しいインターフェース設計とメトリクスを動機付けるかを明らかにします。
  論文  参考訳（メタデータ） (2022-10-25T20:01:15Z)
• What is it like to program with artificial intelligence? [10.343988028594612]
  大規模言語モデルは、自然言語で表される様々な問題を解決するためにコードを生成することができる。 この技術はすでに、少なくとも1つの広く使用されているプログラミングエディタ拡張、GitHub Copilotで商用化されている。 我々は,大規模言語モデル(LLM支援プログラミング)を用いたプログラミングが,プログラマ支援の事前概念化とどのように似ており,異なるのかを考察する。
  論文  参考訳（メタデータ） (2022-08-12T10:48:46Z)
• Competition-Level Code Generation with AlphaCode [74.87216298566942]
  より深い推論を必要とする問題に対する新しいソリューションを作成することができるコード生成システムであるAlphaCodeを紹介する。 Codeforcesプラットフォームにおける最近のプログラミングコンペティションのシミュレーション評価において、AlphaCodeは平均54.3%のランキングを達成した。
  論文  参考訳（メタデータ） (2022-02-08T23:16:31Z)
• Choose Your Programming Copilot: A Comparison of the Program Synthesis Performance of GitHub Copilot and Genetic Programming [2.2559617939136505]
  GitHub Copilotは、大規模な言語モデルであるCodexを利用したVisual Studio Code開発環境の拡張である。 本稿では,GitHub Copilotを標準プログラム合成ベンチマーク問題で評価し,得られた結果と遺伝プログラミング文献との比較を行う。 ベンチマーク問題に対する2つのアプローチのパフォーマンスはよく似ているが、GitHub Copilotと比較すると、遺伝的プログラミングに基づくプログラム合成アプローチはまだ十分に成熟していない。
  論文  参考訳（メタデータ） (2021-11-15T16:30:12Z)
• Measuring Coding Challenge Competence With APPS [54.22600767666257]
  コード生成のベンチマークであるAPPSを紹介する。 私たちのベンチマークには1万の問題が含まれています。 GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
  論文  参考訳（メタデータ） (2021-05-20T17:58:42Z)

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。