Oct, 2023

Soda：一种用于定义以人为中心问题的面向对象功能语言

HTML
PDF
TL;DR我们介绍了Soda（符号客观描述分析），一种可以自然地处理质量和数量的语言，并极大地简化了检查它们的正确性的任务。我们提出了这种语言的关键特性，通过设计一种描述语言来对计算机系统上的复杂需求进行编码，并解释了如何使用简单的定义来建模这些需求。我们概述了一种工具，可以以更透明、更不容易出错的方式描述问题。
发现论文，激发创造
  • 可解释系统特征化

    该研究提出了一种可解释系统的特征描述方法，旨在为现有和未来的研究分类和制定明确的要求，帮助设计易于理解的软件驱动系统，应对其不断增加的复杂性和自治性。

    Jan, 2019

  • 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

  • 从有关对象结构的语言中识别概念库

    本文研究了通过自然语言描述进行搜索的问题，结果发现人们命名部分概念存在信息理论抉择，偏向能够简明描述每个对象，同时最小化词汇量。

    May, 2022

  • 一个表示功能和可支配性的通用框架：认知、因果和基础方法，并向人工智能通用智能迈进一步

    本论文提出一种基于概念依赖的通用框架，强调所涉及的表征必须是显式认知和概念性的，并且必须包含涉及事件和过程的因果特征，并使用完全基于参考的概念结构。论文还介绍了一种描述性表征语言，并描述了许多其使用示例。

    Jun, 2022

  • 将人工智能配对编程的离线度量与人类价值判断对齐

    研究表明，具有实现代码自动生成能力的大型语言模型的正确性及努力度均对程序员的价值有影响，建议设计出更人性化的评估指标以评估这些模型的优劣。

    Oct, 2022

  • LLMs与抽象推理数据集: 成功、失败及基于对象表示的重要性

    本文探讨了大型语言模型在抽象推理问题中的解决能力，提出了基于物体表示的解决方案，解决了ARC数据集中的13个问题，并在1D-ARC数据集上取得了接近完美的成绩。

    May, 2023

  • 利用物体为中心的模型和MDL原则解决抽象和推理语料库（ARC）

    通过使用Abstraction and Reasoning Corpus（ARC）作为基准，我们介绍了一种与人类生成的自然程序相一致的以对象为中心的模型，这些模型不仅可以进行预测，还可以为输入/输出对提供联合描述，并且通过最小描述长度（MDL）原则在大型模型空间中高效搜索。我们解决了多样化的任务，并且学得的模型与自然程序相似。同时，我们还展示了我们的方法的广泛适用性。

    Nov, 2023

  • NoFunEval: 搞笑的事实上代码语言模型在功能正确性以外的要求上遭遇困难

    我们提出了一个新的评估标准NoFunEval，用于评估代码语言模型在非功能需求和功能需求的简单分类实例上的表现，发现它们在测试中普遍表现不佳，对其训练设置存在根本的盲点。

    Jan, 2024

  • 加强神经规约合成的符号方法

    通过结合大型语言模型和符号分析，我们研究了如何合成C程序的规范。我们将大型语言模型与Frama-C生态系统中的两个形式方法工具（Pathcrawler和EVA）的输出相结合，生成C程序的ACSL规范注释。我们演示了符号分析对注释质量的影响，Pathcrawler提供了更具上下文感知的注释，而包含EVA报告则提供了更适应运行时错误的注释。此外，我们证明该方法推断程序的意图而非行为，通过为有错误的程序生成规范并观察结果对错误的健壮性。

    Jun, 2024

  • ArchCode：将软件需求融入大型语言模型的代码生成

    本研究解决了大型语言模型在代码生成中无法完整处理软件功能和非功能需求的问题。提出的ARCHCODE框架利用上下文学习，组织描述中的需求并推导未表达的需求，从而生成符合需求的代码片段和测试用例。研究结果显示，ARCHCODE在功能需求满足率上显著提升，并首次引入人类评估非功能需求的方法，展示了其优于基线方法的性能。

    Aug, 2024