program semantics | BriefGPT

关键词program semantics

搜索结果 - 7

LLM4Decompile：使用大型语言模型进行二进制代码反编译
通过发表首个开源的用于反编译的大型语言模型 (LLMs)，以及引入考虑重新编译和重新执行性能的第一个数据集 Decompile-Eval，本研究从程序语义的角度评估了反编译模型。实验证明，LLM4Decompile 能够准确反编译 21%
PDF4 months ago
使用 GNN 探索 Horn 子句的表示（扩展技术报告）
本文提出了一种新的基于图的编程语义学习方法 - 关系超图神经网络（R-HyGNN），通过学习规约角色（Constrained Horn Clauses）的图形表示，提供了一种有效的语言无关的程序特征提取方式，并在 CHC-COMP 2021
PDF2 years ago
神经网络如何理解程序？
本文探讨了基于 NLP 预训练技术的代码表示学习的进展，提出了一种新的程序语义学习模式，即模型应该学习由与操作语义基本操作对齐的表示和不可或缺的环境转换信息构成的信息。为了验证我们的建议，我们提出了一个名为 OSCAR 的分层 Transf
PDF3 years ago
学习用异构图表示程序
本研究提出了从源代码的抽象语法树构建异构编程图用于方法命名和代码注释生成的方法，并使用异构图神经网络学习这些图。实验结果表明，利用编程图中节点和边的类型信息可以帮助学习程序语义，本方法优于基线模型。
PDF4 years ago
COSET: 用于评估神经程序嵌入的基准测试
本文提出一种名为 COSET 的基准测试框架，用以标准化神经程序嵌入的评估，以及通过该框架进行的研究发现可以有效识别程序语法语义特征中的挑战点及神经网络模型在处理该类挑战点时的优缺点。
PDF5 years ago
神经代码理解：可学习的代码语义表示
本文提出了一种学习代码语义的新颖处理技术，并将其应用于各种程序分析任务中，其中使用的 Embeddings 基于独立于源编程语言的代码的 IR，现有技术不足以强烈理解程序语义。
PDF6 years ago
ICLR透过递归实现神经编程体系结构的泛化
通过在神经程序员 - 解释器框架中实现递归来解决学习程序时神经网络泛化能力和推理能力不足的问题，证明该方法在少量训练数据的情况下具有更好的泛化性和可解释性，体验表明为了让神经网络更好的学习程序语义，需要像递归这样的概念。
PDF7 years ago