自动计算器作为程序合成的工具 (Autoencoders as Tools for Program Synthesis)

from arxiv, A dedicted website for demonstrating the principles shown in the paper is available at: https://tree2tree.app/ Source code is available at https://github.com/sander102907/autoencoder_program_synthesis

Recently there have been many advances in research on language modeling of source code. Applications range from code suggestion and completion to code summarization. However, complete program synthesis of industry-grade programming languages remains an open problem. In this work, we introduce and experimentally validate a variational autoencoder model for program synthesis of industry-grade programming languages. This model makes use of the inherent tree structure of code and can be used in conjunction with gradient free optimization techniques like evolutionary methods to generate programs that maximize a given fitness function, for instance, passing a set of test cases. A demonstration is avaliable at https://tree2tree.app

翻译：最近,在源代码的语言建模研究方面取得了许多进展,应用范围从代码建议和完成到代码汇总不等,然而,工业级编程语言的完整程序合成仍然是一个尚未解决的问题。在这项工作中,我们引入并实验性地验证了工业级编程语言方案合成的变式自动编码模型。该模型利用了内在的代码树结构,并可以与梯度自由优化技术(如进化方法)一起使用,以生成程序,最大限度地发挥给定的健身功能,例如,通过一套测试案例。示范在https://tree2tree.app可以证明。

相关内容

自编码器

关注 139

自动编码器是一种人工神经网络，用于以无监督的方式学习有效的数据编码。自动编码器的目的是通过训练网络忽略信号“噪声”来学习一组数据的表示（编码），通常用于降维。与简化方面一起，学习了重构方面，在此，自动编码器尝试从简化编码中生成尽可能接近其原始输入的表示形式，从而得到其名称。基本模型存在几种变体，其目的是迫使学习的输入表示形式具有有用的属性。自动编码器可有效地解决许多应用问题，从面部识别到获取单词的语义。

深度概率图模型，Deep Probabilistic Models

专知会员服务

28+阅读 · 2021年8月2日