神经程序搜索：从描述和示例中解决编程任务

ICLRFeb, 2018

神经程序搜索：从描述和示例中解决编程任务

Neural Program Search: Solving Programming Tasks from Description and Examples

Illia Polosukhin, Alexander Skidanov

TL;DR本文提出了一种用自然语言描述和少量输入 / 输出样例来生成程序的算法，称之为神经程序搜索。该算法将深度学习和程序合成领域的方法结合起来，通过设计丰富的领域特定语言和根据 Seq2Tree 模型进行指导的高效搜索算法。通过一个半合成的描述和测试案例数据集对该方法的质量进行了评估，结果表明我们的算法明显优于基线的带注意力的序列到序列模型。

Abstract

We present a neural program search, an algorithm to generate programs from natural language description and a small number of input/output examples. The algorithm combines methods from deep learning and

neural program search deep learning program synthesis seq2tree model semi-synthetic dataset

发现论文，激发创造

自然语言程序合成

本论文提出了一个用自然语言输入构造程序合成器的框架，其使用 NLP 特征和关键词编程翻译的排名学习最优权重和分类器来代替学习并使用各种领域特定语言，可以用于编辑、智能教育系统和飞行信息查询等多个领域。通过 1200 多个英语说明，各合成器为 80％和 90％的说明将期望的程序排名为最好的一个和三个。

Sep, 2015

用于神经程序合成的合成数据集

本文旨在探索自动生成指定语言中的程序，依据输入输出行为生成程序，我们提出了一种新的方法来控制和评估合成数据分布的偏差，通过在 Karel 和小型计算器 DSL 上的实验表明，使用这些分布训练深度网络可以提高跨分布的泛化性能。

Dec, 2019

分层神经程序合成

本文提出了一种可扩展的程序合成框架，通过层级组合程序实现程序合成，该框架可以从输入 / 输出对中合成比之前更长、更复杂的程序，并通过任务嵌入空间和程序解码器将任务嵌入解码为程序。

Mar, 2023

基于神经引导的演绎式搜索：以示例为基础的实时程序综合

本文介绍了神经引导演绎搜索 (NGDS) 技术，应用于编写用户意图程序的问题，结合了符号逻辑技术和统计模型，通过演绎搜索框架来学习神经网络组件，以找到最适合提供的规范的程序，并在真实客户场景中验证其实用性。

Apr, 2018

学习推理程序草图

本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。

Feb, 2019

使用查询的神经程序合成

本篇研究提出了一个基于查询的框架用于自动生成并交互式提供信息丰富的输入输出样例，其可用于编程合成中的无监督学习以解决缺少先验知识的问题。

May, 2022

通过示例生成神经编程数据

本论文介绍了一种用 SMT 求解器合成覆盖给定程序多样化行为的输入的新方法，并通过与现有合成数据生成程序的比较进行了案例研究，发现使用该方法生成的数据既能提高样例集的差异性，也能提高训练后的机器学习模型对未知数据的推广能力。

Nov, 2019

DeepCoder: 学习编写程序

本文研究了使用深度学习解决编程竞赛问题的方法，首先使用神经网络预测输入输出之间的关系，然后结合搜索技术和 SMT 求解器进一步优化，实验证明该方法可显著提高效率和解决程度。

Nov, 2016

利用语法和强化学习进行神经程序合成

本文提出了两种新的方法来解决程序合成中的限制，分别通过增加语义正确生成的概率和语法正确的程序的概率来解决。

May, 2018

示例驱动神经程序设计

本文中提出了一种基于深度神经网络的编程 - by-example（PBE）模型，称为 Neural Programming by Example (NPBE)，它可以从输入输出字符串中学习并诱导解决字符串操作问题的程序，该模型由四个神经网络组件构成：字符串编码器，输入输出分析器，程序生成器和符号选择器，并证明了该模型可以有效地诱导字符串操作程序。

Mar, 2017