ICLRDec, 2019

用于神经程序合成的合成数据集

PDF
TL;DR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。
program synthesisinput-output behaviordslstest input generation techniquesdeep networks
发现论文，激发创造
  • 通过进化的方式为神经程序合成创建合成数据集

    本研究发现目前基于随机生成数据的程序综合方法面对数据分布改变的情况下普遍存在泛化能力不足的问题，提出了一种新的对抗式方法，用于控制合成数据分布的偏差从而得到更好的结果。

    Mar, 2020

  • 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

  • 神经程序搜索：从描述和示例中解决编程任务

    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。

    Feb, 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

  • 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

  • 神经符号程序合成

    本文提出了一种 Neuro-Symbolic Program Synthesis 技术，通过计算机程序自动构建特定领域的语言。我们通过使用两种新颖的神经模型，交叉相关的 I/O 网络和递归反向递归神经网络，证明了该方法的有效性。

    Nov, 2016

  • 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

  • 神经程序合成的最新进展

    本文探讨了深度学习在解决人工智能无法处理的问题方面取得的巨大进展，以及智能系统解决程序合成问题的可能性，研究了程序归纳模型的演变历程以及其成功、失败和重构，最后对程序合成领域进行了对比研究，并提出了未来的研究建议。

    Feb, 2018

  • 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