“For a review of recent work in both, see Recent Advances in Neural Program Synthesis”
按年被提到
20182018 · 2 次2026
Recent Advances in Neural Program Synthesis
神经程序合成的最新进展
Neel Kant · 2018
综述神经网络做程序合成与程序归纳的问题、模型演变与前景
被推荐 · 4 人首次 2018-02-10 · 最近 2020-01-16
4不同的人
4活跃月份
4讨论串
19被引(OpenAlex)
先说明程序合成的问题设定和挑战,再梳理程序归纳模型的演变:它们取得了哪些成功、遇到了哪些失败、又如何被重新设计。最后将程序合成与现有方法做对比,并提出未来研究建议。
HN 为什么提它
在讨论程序合成与用机器学习写代码时,HN 评论者把它当作这一领域较好的综述来引用。
综述难度 3 / 5约 40 分钟有时效性
读之前最好知道
1深度学习基础(RNN、注意力机制)
2程序合成基本概念
3强化学习基础
学习路径
读这篇之前,按顺序读书架上的 6 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出先看序列输出、可微分计算机和程序归纳语言这些基础,再看 DeepCoder 与 Seq2SQL 等神经程序合成实例,之后读综述的整体脉络。
- 1
- 2
- 3
TerpreT 把程序归纳问题放到统一语言里比较不同推断方法,帮助理解可微与离散两类路线。
读程序归纳问题的形式化,以及梯度下降与离散搜索等推断方式的比较。
- 4
它用可微分的 Forth 解释器,让程序草图中的空位由数据学习,是可微分程序合成的代表。
读程序草图与可微解释器的设计。
- 5
- 6
Seq2SQL 把自然语言转成结构化查询,是语义解析方向的程序合成例子。
读利用 SQL 结构分解输出,以及用强化学习优化执行结果。
- 7Recent Advances in Neural Program Synthesis
在这些具体模型的基础上,看综述如何梳理程序合成与程序归纳的问题和模型演变。
读程序合成与程序归纳的区别、各类模型的分类与未来方向。
HN 书评
推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及推荐tree_of_item · 2018-09
推荐它作为近期神经程序合成与归纳工作的综述
推荐exdsq · 2020-01
“This paper [0] is a pretty decent survey on the field”
认为这篇是该领域相当不错的综述
引用painful · 2019-03
“modern machine learning techniques which are capable of program synthesis: Recent Advances in Neural Program Synthesis”
以它说明现代机器学习已能做程序合成
被提交为 story · 1 次
- Recent Advances in Neural Program Synthesis ↗ghosthamlet · 2018-02-10 · 4 分