cs.PL」カテゴリーアーカイブ

MCTS-GEB: Monte Carlo Tree Search is a Good E-graph Builder

要約 書き換えシステム [6, 10, 12] は、等価飽和 [9] を広く採用 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.PL | MCTS-GEB: Monte Carlo Tree Search is a Good E-graph Builder はコメントを受け付けていません

Neural Probabilistic Logic Programming in Discrete-Continuous Domains

要約 ニューラル シンボリック AI (NeSy) により、ニューラル ネットワ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.LO, cs.PL, cs.SC, I.2.4 | Neural Probabilistic Logic Programming in Discrete-Continuous Domains はコメントを受け付けていません

PLUNDER: Probabilistic Program Synthesis for Learning from Unlabeled and Noisy Demonstrations

要約 デモンストレーションからの学習 (LfD) は、ロボットに新しいタスクを実 … 続きを読む

カテゴリー: cs.PL, cs.RO | PLUNDER: Probabilistic Program Synthesis for Learning from Unlabeled and Noisy Demonstrations はコメントを受け付けていません

CodeGen: An Open Large Language Model for Code with Multi-Turn Program Synthesis

要約 プログラム合成は、入出力例または自然言語記述で表現された、与えられた問題仕 … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.PL | CodeGen: An Open Large Language Model for Code with Multi-Turn Program Synthesis はコメントを受け付けていません

On ML-Based Program Translation: Perils and Promises

要約 新しい高度なプログラミング言語の出現により、レガシー ソフトウェアを新しい … 続きを読む

カテゴリー: cs.AI, cs.PL, cs.SE | On ML-Based Program Translation: Perils and Promises はコメントを受け付けていません

SparseTIR: Composable Abstractions for Sparse Compilation in Deep Learning

要約 スパース テンソルは、最新のディープ ラーニング ワークロードの重要なコン … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.PL | SparseTIR: Composable Abstractions for Sparse Compilation in Deep Learning はコメントを受け付けていません

Learning Math Reasoning from Self-Sampled Correct and Partially-Correct Solutions

要約 事前トレーニング済みの言語モデルは、多くの自然言語処理タスクで優れたパフォ … 続きを読む

カテゴリー: cs.LG, cs.PL | Learning Math Reasoning from Self-Sampled Correct and Partially-Correct Solutions はコメントを受け付けていません

LEVER: Learning to Verify Language-to-Code Generation with Execution

要約 事前トレーニング済みのコード言語モデル (CodeLM) の出現により、言 … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.PL, cs.SE | LEVER: Learning to Verify Language-to-Code Generation with Execution はコメントを受け付けていません

Piloting Copilot and Codex: Hot Temperature, Cold Prompts, or Black Magic?

要約 言語モデルは、ますます複雑化する問題に取り組むための有望なソリューションで … 続きを読む

カテゴリー: 68T50, cs.CL, cs.PL, cs.SE | Piloting Copilot and Codex: Hot Temperature, Cold Prompts, or Black Magic? はコメントを受け付けていません

Hidet: Task-Mapping Programming Paradigm for Deep Learning Tensor Programs

要約 現在、ディープ ラーニング モデルはクラウド サービスとエッジ デバイスの … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.PL | Hidet: Task-Mapping Programming Paradigm for Deep Learning Tensor Programs はコメントを受け付けていません