本文介绍了一种自学习算法来合成 OEIS 数列的程序，该算法使用神经机器翻译以及其自身的智能推理能力探索解决方案，发现了超过 78000 个 OEIS 数列的程序，并开创了新的编程方法。

Jan, 2023

本研究介绍了学习整数序列的一种新方法和一组基准测试任务，用于机器学习模型的概念理解和知识抽象能力的评估。通过 FACT 工具包中的大型整数序列数据集和性能评估工具以及基线模型实现的集合，为知识表示和推理领域的研究提供了便利。

Sep, 2022

本文提出了一种新的程序合成方法，将寻找最优程序的问题转化为基于强化学习的马尔科夫决策过程， 并将这种方法应用于浮点数 RISC-V 汇编语言的子集上，并结合基于搜索技术的优先搜索树，证明了我们的方法相较于其他基线方法的优越性

Jun, 2018

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

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

该研究通过程序综合的方式，结合测试中的敌对攻击和特定领域的操作序列，构建可行的、最简便的操作序列，以帮助人们改变分类结果，实验表明该方法对于深度神经网络具有较好的效果。

Sep, 2019

本研究介绍了一种利用学习指导自下而上程序搜索的新兼并方法，以中间的程序为基础，通过输入输出示例进行搜索，从而构建程序，该方法在程序综合方面非常有效。

Jul, 2020

本文提出了一种新的指导程序综合的方法：在程序综合过程中根据遇到的部分解来学习启动模型，同时提出了一种称之为指导自下而上搜索的程序枚举算法来最大限度地利用模型。这种方法在基准测试中取得了非常显著的性能提升，且所生成的程序与最短解相比几乎一致。

Oct, 2020

我们提出了一种新颖的算法，该算法合成初级编程课程的命令式程序，基于枚举程序合成和静态分析相结合的关键思想，我们的算法在平均 6.6 秒内能够解决基准问题。

Feb, 2017

本文简单介绍了整数序列在线百科全书 (On-Line Encyclopedia of Integer Sequences，OEIS)，OEIS 是一个包含近 90,000 个序列的数据库，以字典序排列。每个序列的条目列出了它的初始项 (如果可用，则为 50 到 100 项)，描述，公式，生成序列的程序，参考文献，相关网页链接等其他信息。

Dec, 2003