Jun, 2019

学习代码习语的程序综合和语义解析

PDF
TL;DR本文提出了一种名为 PATOIS 的系统，它通过自动挖掘常见的代码习惯用法，并将其合并到神经程序合成语言中，通过训练基于树结构的神经合成器来使用这些模式，以在每一代步骤中显式地交错高级别和低级别推理来实现通用源代码从自然语言规范中的程序合成。评估表明，使用这类学习的代码习惯可以提高综合器的准确性，其中使用了两个复杂的语义解析数据集。
program synthesisnatural languageneural program synthesizercommon code idiomsaccuracy
发现论文，激发创造
  • 学习可扩展语义解析的程序习语

    本文提出了一种迭代方法，通过反复折叠大型源代码语法树的最常见的深度 2 子树来提取代码习惯用语，并训练语义解析器在解码期间应用这些习惯用语，在最近的上下文相关语义解析任务中应用基于习惯的解码，提高了 2.2％BLEU 得分，同时将训练时间缩短了 50％以上。

    Apr, 2019

  • 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

  • 利用语言学习程序抽象和搜索启发

    该论文介绍了一种名为 LAPS 的技术，它使用自然语言注释来引导库和神经引导搜索模型的联合学习，以实现程序的归纳合成。与一些自然语言注释不可用的测试时间相比，LAPS 可生产高质量的程序库并提高搜索效率和泛化性。

    Jun, 2021

  • 自然语言结构感知程序综合：没有时间编码

    SAPS 是一种神经网络模型，利用抽象语法树、预训练的词向量和双向多层 LSTM 等方法，将自然语言描述转换成可执行代码，其准确率超过 92％，不需要后处理，是一种实现程序合成的高效方法。

    Oct, 2018

  • 神经程序合成的潜在执行

    该研究文章提出了一种名为 LaSynth 的基于机器学习的程序合成方法，它能够学习潜在的嵌入式表示方法，进而提高下一个输入标记的预测性能，并通过生成随机的程序和 IO 对来进行训练以合成类似于人类编写的简洁 C 代码。该方法表现优异，在简单 C 代码的生成上达到了 55.2% 的准确率，并显著优于现有的无执行器方法。

    Jun, 2021

  • 通用代码生成的句法神经模型

    本文提出了一种新型神经体系结构，它由语法模型支持，旨在将自然语言描述解析为基于 Python 等通用编程语言的源代码，并将其显式地捕获为先验知识，以实现从自然语言描述生成复杂程序的规模化。实验证明，这是一种有效缩放到语言描述的复杂程序的方法，取得了优于以前代码生成和语义解析方法的最新成果。

    Apr, 2017

  • 面向对话式代码生成的示例编程与文本生成代码翻译

    提出了一种整合示例编程和文本代码系统的方法，称为文本引导分层综合模块化程序 (MPaTHS)，用于任务导向对话问题，并通过程序表示进行了演示。

    Nov, 2022

  • 我说，你验证：朝向值得信赖的神经程序合成

    本文基于大型语言模型，提出了一种改进程序综合器可靠性和总体准确性的方法，通过语言模型自然语言描述求解程序问题，并且学习分析程序和断言的一致性，以判断哪个程序最有可能是正确的，从而通过提供可信的解决方案来改善可靠性

    Sep, 2022

  • 低资源编程语言伪代码生成的知识转移

    该论文提出通过迭代回译的方法，借助已有的高资源编程语言（C++）的代码 - 伪代码数据，将训练好的 C++-to - 伪代码模型迁移到没有对应数据的遗留编程语言（C）上，从而实现对其代码的自动描述，取得了 23.27% 的成功率提升。

    Mar, 2023

  • 迈向代码生成：语义解析的调查和教训

    本文概述了自然语言处理与程序语言之间翻译意图的研究进展，重点介绍了自然语言语义分析和程序逻辑综合的技术、神经符号方法、架构、监督方法以及代码生成的框架，并分析了该领域存在的一些尚未解决的问题。

    Apr, 2021