研究者提出求解器感知分解方法SAD
热点事件持续更新
研究者提出求解器感知分解方法SAD
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Janis Zenkner等作者提出求解器感知分解方法（SAD），用于基于示例的编程中的程序分解。此前做法把分解质量当作任务固有属性，忽略合成器自身的归纳偏置；SAD让分解器在真实子目标监督之外，再针对冻结合成器做在线训练。 具体做法是保留真实子目标上的监督训练作为结构支架，同时用自批判策略梯度在线训练分解器，奖励取冻结合成器在目标程序上的负交叉熵。作者称已在实验中验证该方法。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
Solver-Aware Decompositions：编程示例合成中分解需知如何求解报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AISolver-Aware Decompositions：编程示例合成中分解需知如何求解
针对基于示例的编程（Programming-by-Example）中分解质量被当作任务固有属性、忽略合成器自身归纳偏置的问题，研究者提出 Solver-Aware Decompositions（SAD），在真实子目标监督之上用自批判策略梯度对分解器在线训练，以冻结合成器在目标程序上的负交叉熵作为奖励。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。