按年被提到
20182018 · 2 次2026
大模型与语言模型›检索增强与知识库·arXiv:1802.08979 · cs.CL

NL2Bash: A Corpus and Semantic Parser for Natural Language Interface to the Linux Operating System

NL2Bash:面向 Linux 操作系统自然语言接口的语料库与语义解析器
Xi Victoria Lin, Chenglong Wang, Luke Zettlemoyer, Michael D. Ernst · 2018

把英文句子映射为 Bash 命令的数据集与基线方法

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 3 人首次 2018-02-28 · 最近 2020-06-11
3不同的人
3活跃月份
3讨论串
116被引(OpenAlex)

论文针对把英文句子映射为 Bash 命令(NL2Bash)的问题,提供新数据和语义解析方法,长期目标是让任何用户用英语描述目标就能完成文件操作、搜索和特定应用脚本等操作。作为第一步,作者给出一个由常用但有难度的 Bash 命令及专家撰写的英文描述构成的新数据集,以及用于确立性能水平的基线方法。

HN 为什么提它

HN 评论者把它列为关于自然语言转命令行的有意思的论文与数据集,并有人引用其中对 awk、sed 等被排除出数据集的说明。

其他难度 2 / 5约 25 分钟有时效性
读之前最好知道
1Bash 命令行基础
2语义解析(semantic parsing)
3序列到序列模型(seq2seq)
4自然语言处理基础

学习路径

读这篇之前,按顺序读书架上的 3 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

这条路径帮我建立序列到序列模型与注意力机制的基础,这是 NL2Bash 基线方法(把英文映射为命令序列)的出发点。

  1. 1

    RNN 编码器-解码器框架的早期工作,是序列映射任务的基本结构。

    读抓编码器把输入压成向量、解码器逐步生成输出的结构及 GRU 单元。

  2. 2
    Sequence to Sequence Learning with Neural Networks用神经网络进行序列到序列学习 · 2014

    用 LSTM 做端到端序列到序列学习,NL2Bash 的神经基线以此为基础。

    读抓编码-解码的整体训练方式和反转输入序列的技巧,实验部分略读。

  3. 3
    Neural Machine Translation by Jointly Learning to Align and Translate通过联合学习对齐与翻译实现神经机器翻译 · 2014

    注意力机制缓解定长向量瓶颈,对较长的命令序列尤其有用。

    读抓软对齐的计算方式(对齐分数、上下文向量)与对齐可视化。

  4. 4
    NL2Bash: A Corpus and Semantic Parser for Natural Language Interface to the Linux Operating SystemNL2Bash:面向 Linux 操作系统自然语言接口的语料库与语义解析器 · 2018 · 就是这篇

    提出英文到 Bash 命令的数据集,并用语义解析和序列模型建立基线。

    读重点看数据集的构造与标注方式、任务难点,以及基线方法的比较和评测指标。

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nickswalker · 2020-06

“Some interesting papers and datasets:”

列为有趣的论文和数据集,把自然语言转成 Linux 命令
OpenAI API原评论 ↗
引用todpole3 · 2018-08

“It was mentioned in the paper:”

引用论文说明数据集排除了 awk 和 sed 这类解释器
NL2Bash – Generating bash commands from natural language原评论 ↗
被提交为 story · 1 次