May, 2023

Jaseci 编程范式和运行时堆栈：轻松快速构建可扩展的生产级应用

PDF
TL;DR我们开发了一个新颖的协同设计运行时系统 Jaseci 与编程语言 Jac，旨在降低分布式应用开发、优化、配置和部署的复杂性并提高开发人员的生产率。我们使用真实的人工智能应用程序来证明 Jaseci 对应用程序性能和开发人员生产率的好处。
发现论文，激发创造
  • 多智能体系统的运行时验证

    本文提出了一种运行时验证（RV）方法，使用 JaCaMo 框架实现对多主体系统（MAS）的安全控制，以防止自然语言对话流程中的话题改变影响 MAS 的推理过程。并演示通过该方法可以帮助医院床位分配方面做决策。

    Jul, 2022

  • 线性 PETC 系统的具有概率保证的数据驱动抽象

    本文利用场景法计算未知 PETC 系统产生的平均样本间隔时间（AIST）的可能近似正确（PAC）界限，通过有限数量的样本将场景法扩展到多类支持向量机算法，以构建具体的未知状态空间和样本间隔时间之间的 PAC 映射，利用 $l$-complete 关系构建交通模型，并找到该数据所在下图中的最小和最大平均权值的循环：这些提供 AIST 的下限和上限，数值基准测试显示该方法的实用性，该方法与基于模型的最先进工具进行比较。

    Mar, 2022

  • 从长执行跟踪中学习简洁模型

    通过自动提取硬件 / 软件系统执行轨迹中的自动机模型和轨迹分割来综合捕捉事务级、系统范围的行为模式，并实验验证了该方法的有效性。

    Jan, 2020

  • 动态多智体系统的分层控制器综合

    该论文针对多智能体控制问题提出了分层方法，其中包括三个阶段：计算系统的高级计划、通过 SMT 公式处理组合问题，以及使用强化学习获得神经网络控制策略，由于其正确性具有构建性，但缺乏实时执行功能，因此使用 SWA-SMT 解决方案作为最后阶段的初始训练数据集

    Jul, 2023

  • 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

  • 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

  • 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

  • 结构感知稀疏注意力模型用于理解长编程语言

    本文提出了一种名为 SASA 的结构感知稀疏注意机制用于长代码理解任务。SASA 采用 top-k 稀疏关注机制和基于抽象语法树的结构感知关注机制，能够高效降低计算成本并处理长代码，实现了优于竞争基准模型的表现。

    May, 2022

  • 一种运行时认知概率事件演算在电子健康系统决策中的应用

    本文提出一种将感官数据和分类器与基于逻辑的决策系统相结合的运行时体系结构，应用于儿童神经运动障碍康复的电子健康系统中，并使用 Epistemic Probabilistic Event Calculus 等技术来改善儿童的表现。

    Sep, 2022

  • 面向模块化和可编程化的架构搜索

    本文提出一种编码通用计算图上的搜索空间的正式语言，解决了目前基于深度学习架构搜索的特定应用和通用超参数优化系统之间的折衷问题。该语言的结构使我们能够编写模块化、可组合和可重用的搜索空间，并在不同搜索空间和优化算法的组合中自由实验，而不必从头实现每个组合。我们在文中公开了该语言的实现。

    Sep, 2019