揭示程序综合中的任务分解：合成器模型的驱动力

任务分解是程序综合中的基本机制，使复杂问题能够拆解为可管理的子任务。ExeDec 这种领先的程序综合框架通过结合用于分解的子目标模型（Subgoal Model）和用于程序生成的综合器模型（Synthesizer Model）来实现这一方法，从而促进组合泛化。在本工作中，我们开发了 REGISM，这是 ExeDec 的一种改进方案，移除了分解指导，仅依赖于迭代执行驱动的综合。通过对比这两种典型方法——即利用任务分解的 ExeDec 和不使用任务分解的 REGISM，我们研究了任务分解与程序生成之间的相互作用。我们的发现表明，ExeDec 在长度泛化和概念组合任务中表现出显著优势，可能是由于其明确的分解策略所致。与此同时，REGISM 在各种情形下经常与 ExeDec 相当或超越其性能，其解决方案往往更贴近真实的分解。这些观察结果凸显了即使在包含明确分解策略的框架中，重复执行驱动的综合也对提高任务解决性能具有重要作用。我们的分析表明，诸如 ExeDec 之类的任务分解方法在推动程序综合方面具有巨大的潜力，尽管仍需进一步工作来阐明这些策略在何时以及为何最为有效。