Jun, 2023

ARIST: 一种有效的 API 参数推荐方法

PDF
TL;DR本文提出了一种基于 API 方法使用者行为预测的自动参数推荐方法 ——ARIST，通过结合程序分析、语言模型以及具有专门化的功能的参数推荐特性，获取作为候选者的有前途参数，并对其进行评估，实验结果表明 ARIST 在 API 参数推荐方面相比现有方法有着更优秀的表现。
apisautomated argument recommendationprogram analysislanguage modelsrecommendation process
发现论文，激发创造
  • 实时 Python API 推荐

    本文提出一种名为 PyART 的方法来在 Python 编程中实时推荐 API。通过数据流、语法特征和预测模型实现，该方法的 API 推荐有效性在 8 个 Python 项目上进行了评估，相比起其他 API 推荐工具表现更为优异。

    Feb, 2021

  • 面向库导向代码生成的组合式 API 推荐

    大型语言模型在代码生成方面取得了杰出的表现，但对于库导向的代码生成仍然令人不满，尤其是对于 LLM 的训练数据中没有的库。为了解决这个问题，我们提出了 CAPIR（组合式 API 推荐），它采用了 “分而治之” 的策略来推荐粗粒度的需求所需的 API。通过在 RAPID 和 LOCG 两个基准测试上的实验结果，证明了 CAPIR 相对于现有基准方法的有效性。

    Feb, 2024

  • 学习论证语义的统一框架

    本文介绍了一个新颖的框架，使用归纳逻辑编程方法来以可解释的方式学习几个抽象和结构化的论证框架的可接受语义。通过实证评估，我们证明了我们的框架胜过现有的论证求解器，从而在形式论证和人机对话领域开启了新的未来研究方向。

    Oct, 2023

  • 通过论证学习实现可解释性人工智能

    本文研究了从 ' 案例模型 ' 中学习参数，探究 Verheij 提出的案件模型是否可以用于从其他类型数据集中学习参数，并将其与 HeRO 算法和决策树进行比较。

    Feb, 2022

  • IAM：一份全面的大规模数据集，用于集成化论证挖掘任务

    本文提出了一个全面而大型的数据集 IAM，旨在用于一系列论证挖掘任务。文集介绍了两个新的综合论证挖掘任务，即主张提取与立场分类（CESC）以及主张 - 证据对提取（CEPE）。实验结果表明了我们提出的任务的价值和挑战，并激励了论证挖掘领域的未来研究。

    Mar, 2022

  • WIBA：关于争论的内容是什么？一种综合思路的论证挖掘方法

    WIBA 是一个新框架和方法套件，能够全面理解在不同上下文中正在被争论的内容，通过 fine-tuning 和 prompt-engineering 的方法实现了三个任务的逻辑依赖的综合框架，包括检测争论的存在、主题和立场，在三个能力上表现良好。

    May, 2024

  • 解决抽象推理语料库任务的方法

    该研究介绍了一种利用程序综合方法来推理和解决抽象推理测验（ARC）任务的系统，其中实现了一种特定领域语言 Visual Imagery Reasoning Language （VIMRL），并且通过分解搜索空间和本地搜索来优化大的搜索空间，最终在 ARC 公开测试和私有测试中表现卓越。

    Feb, 2023

  • 大型语言模型的自动多步推理和工具使用

    ART 框架使用冻结的 LLM 自动生成中间推理步骤作为程序，并能无缝集成生成和外部工具使用，使得在 BigBench 和 MMLU 基准测试中，通过自动 CoT 和 few-shot 提示，ART 实现了对未知任务的实质性改进。在选定的任务上，人们可以通过纠正特定的程序错误或整合新工具来改善 ART 的性能.

    Mar, 2023

  • 通过语言进行视觉抽象和推理

    本研究提出了一种基于自然语言描述任务的方法框架来解决人工智能中的 Abstraction and Reasoning Corpus (ARC) 问题，虽然尚未击败当前最先进的 DSL 模型，但我们证明了我们的方法具有巨大的潜力，可以解决以前不能解决的任务。

    Mar, 2023

  • 抽象与推理语料库的图形、约束和搜索

    本文提出一种基于图形抽象的对象中心框架，使用 DSL 进行程序综合，引入了约束获取、状态哈希和禁忌搜索，成功的解决了 ARC 的复杂对象中心任务，并生成了正确而易于理解的程序。

    Oct, 2022