面向视觉编程的神经任务综合
机器学习
2024-01-17 v3 人工智能
计算与语言
计算机与社会
编程语言
摘要
生成式神经模型在通过综合新内容来提升编程教育方面大有前景。我们致力于设计神经模型，能够在视觉编程领域中针对给定规范自动生成编程任务。尽管 GPT-4 等大型生成模型近期取得了成功，我们的初步结果表明这些模型在综合视觉编程任务方面效果不佳，并且在逻辑与空间推理上存在困难。我们提出一种新颖的神经符号技术 NeurTaskSyn，能够为以解决方案代码所练习的所需编程概念形式给出、并带有视觉任务约束的规范综合编程任务。NeurTaskSyn 包含两个组件：第一个组件通过模仿学习过程训练以生成可能的解决方案代码，第二个组件通过强化学习过程训练以引导底层的符号执行引擎为这些代码生成视觉任务。我们通过广泛的实证评估以及对取自 Code-dot-org 的 Hour of Code: Classic Maze 挑战和 CodeHS-dot-com 的 Intro to Programming with Karel 课程的参考任务所做的定性研究，展示了 NeurTaskSyn 的有效性。
引用
@article{arxiv.2305.18342,
title = {Neural Task Synthesis for Visual Programming},
author = {Victor-Alexandru Pădurean and Georgios Tzannetos and Adish Singla},
journal= {arXiv preprint arXiv:2305.18342},
year = {2024}
}
备注
Published in Transactions on Machine Learning Research (TMLR) 2024