使用有限树自动机合成数据完成脚本

Jul, 2017

使用有限树自动机合成数据完成脚本

Synthesis of Data Completion Scripts using Finite Tree Automata

Xinyu Wang, Isil Dillig, Rishabh Singh

TL;DR本文提出了一种基于 PBE 的数据自动完成功能综合技术，并通过 DSL 和新颖的综合算法，生成了与输入输出示例一致的 DSL 程序，并将该方法实现在名为 DACE 的工具中。

Abstract

In application domains that store data in a tabular format, a common task is to fill the values of some cells using values stored in other cells. For instance, such data completion tasks arise in the context of missing value imputation in data science and derived data computation in sp

data completion programming-by-example domain-specific language synthesis algorithm version space learning algorithm

发现论文，激发创造

使用抽象细化进行程序合成

通过使用抽象语义和基于树自动机的迭代精化方法，我们提出了一种高效的程式合成方法，并在字符串和矩阵转换领域中取得了比现有技术更好的结果。

Oct, 2017

基于组件的表格合并和转换任务从示例中的合成

该论文提出了一个基于样例的综合技术，能够自动化数据科学中出现的大量数据准备任务，我们的方法不仅限于固定的 DSL 结构，而且还可从任意组件集合中综合程序。论文通过部分程序进行类型导向的枚举搜索，结合两种关键创新技术，即利用任何一阶构建的第一个规范来拒绝部分程序的 SMT 推理，以及利用部分评估来增加推理的能力并推动枚举搜索。我们对数十个从在线论坛中获得的数据准备任务进行了综合算法评估，结果表明我们的方法可以自动解决 R 用户遇到的大类问题。

Nov, 2016

生成式语言模型中的自动机表示式任务知识

提出一种名为 GLM2FSA 的算法，该算法通过从任务目标的自然语言描述中提取任务知识生成有限状态自动机，从而填补了自然语言任务描述和基于自动机的表示之间的鸿沟。

Dec, 2022

基于约束求解的合成几何陈述和证明的自动补全方法

通过使用合一逻辑和约束求解，我们提出了一个框架，用于补充不完整的猜想和证明。该框架可以将具有缺失假设和不明确目标的猜想转化为正确的定理，并帮助完成草图式证明以使其适于人类阅读和机器检查。

Jan, 2024

自然语言规格说明到数学程序的综合

研究评估了使用数据增强、后处理和代码生成模型 CodeT5 合成数学程序的效果，通过应用线性规划规则来评分和纠正光束，该方法基于自然语言规范实现自动化建模。实验结果表明，在使用这些增强方法后，CodeT5 基础版本的执行准确率为 0.73，明显优于 ChatGPT 的零 - shot 执行准确率 0.41 和 Codex 的 0.36。

Mar, 2023

利用少样本提示学习自动完成模型

本文提出了一种利用大型语言模型进行少样本学习的方法，以改善领域建模活动中的自动完成。该方法无需对模型进行大量数据集的训练或微调，经测试可以有效应用于静态和动态领域图示的自动完成。

Dec, 2022

使用隐马尔可夫模型的自动机学习任务自动化增强学习

该论文提出了一种从代理环境经验中学习非马尔可夫任务规范的新方法，可以将任务拆分为其构成子任务，提高了 RL 代理后续合成最优策略的速率，并提供了一个可解释的编码高级环境和任务特征的方式。

Aug, 2022

一种基于机器学习的 SKILL 代码自动补全方法

该研究首次将 Transformer 应用于 SKILL 代码自动完成以提高硬件设计工程师的生产力，提出了一种数据高效的生成 SKILL 代码的新方法，并通过实验证实。

Dec, 2023

确定性转换系统的过程模型合成

介绍了一种通用方法，用于合成给定离散系统状态转换的程序化模型。

Jul, 2023

关系表中数据单元的自动补全

本文提出了 CellAutoComplete 框架，可以解决自动补全关系表中数据单元的问题，包括多个值的情况、提供支持证据的预测值以及处理空单元格的情况，并通过测试表明，该方法比最佳基线的效果提高了 40％。

Sep, 2019