Buchumschlag

Learning logic programs by discovering higher-order abstractions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hocquette, Céline, Dumančić, Sebastijan, Cropper, Andrew
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence Programming Languages
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Relational decomposition for program synthesis
von: Hocquette, Céline, et al.
Veröffentlicht: (2024)

Learning logic programs by finding minimal unsatisfiable subprograms
von: Cropper, Andrew, et al.
Veröffentlicht: (2024)

Learning big logical rules by joining small rules
von: Hocquette, Céline, et al.
Veröffentlicht: (2024)

Symmetry breaking for inductive logic programming
von: Cropper, Andrew, et al.
Veröffentlicht: (2025)

An Empirical Comparison of Cost Functions in Inductive Logic Programming
von: Hocquette, Céline, et al.
Veröffentlicht: (2025)

Learning Logical Rules using Minimum Message Length
von: Sharma, Ruben, et al.
Veröffentlicht: (2025)

Modelling Program Spaces in Program Synthesis with Constraints
von: Hinnerichs, Tilman, et al.
Veröffentlicht: (2025)

Mitigating hallucinations and omissions in LLMs for invertible problems: An application to hardware logic design automation
von: Cassidy, Andrew S., et al.
Veröffentlicht: (2025)

Honey, I shrunk the hypothesis space (through logical preprocessing)
von: Cropper, Andrew, et al.
Veröffentlicht: (2025)

Herb.jl: A Unifying Program Synthesis Library
von: Hinnerichs, Tilman, et al.
Veröffentlicht: (2025)

Curriculum Learning for Small Code Language Models
von: Naïr, Marwa, et al.
Veröffentlicht: (2024)

Relax: Composable Abstractions for End-to-End Dynamic Machine Learning
von: Lai, Ruihang, et al.
Veröffentlicht: (2023)

Amplifying human performance in combinatorial competitive programming
von: Veličković, Petar, et al.
Veröffentlicht: (2024)

ANCORA: Learning to Question via Manifold-Anchored Self-Play for Verifiable Reasoning
von: Yang, Chengcao
Veröffentlicht: (2026)

Synthesizing Programmatic Reinforcement Learning Policies with Large Language Model Guided Search
von: Liu, Max, et al.
Veröffentlicht: (2024)

depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers
von: You, Kaichao, et al.
Veröffentlicht: (2024)

Revisiting Landmarks: Learning from Previous Plans to Generalize over Problem Instances
von: Hanou, Issa, et al.
Veröffentlicht: (2025)

LILO: Learning Interpretable Libraries by Compressing and Documenting Code
von: Grand, Gabriel, et al.
Veröffentlicht: (2023)

Can humans teach machines to code?
von: Hocquette, Céline, et al.
Veröffentlicht: (2024)

Reasoning-SQL: Reinforcement Learning with SQL Tailored Partial Rewards for Reasoning-Enhanced Text-to-SQL
von: Pourreza, Mohammadreza, et al.
Veröffentlicht: (2025)

Generating Pragmatic Examples to Train Neural Program Synthesizers
von: Vaduguru, Saujas, et al.
Veröffentlicht: (2023)

ProofOptimizer: Training Language Models to Simplify Proofs without Human Demonstrations
von: Gu, Alex, et al.
Veröffentlicht: (2025)

REASONING COMPILER: LLM-Guided Optimizations for Efficient Model Serving
von: Tang, Annabelle Sujun, et al.
Veröffentlicht: (2025)

The Elements of Differentiable Programming
von: Blondel, Mathieu, et al.
Veröffentlicht: (2024)

EnCompass: Enhancing Agent Programming with Search Over Program Execution Paths
von: Li, Zhening, et al.
Veröffentlicht: (2025)

AutoPDL: Automatic Prompt Optimization for LLM Agents
von: Spiess, Claudio, et al.
Veröffentlicht: (2025)

DVM: A Bytecode Virtual Machine Approach for Dynamic Tensor Computation
von: Fang, Jingzhi, et al.
Veröffentlicht: (2026)

PassNet: Scaling Large Language Models for Graph Compiler Pass Generation
von: Liu, Yiqun, et al.
Veröffentlicht: (2026)

Hexcute: A Compiler Framework for Automating Layout Synthesis in GPU Programs
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

An LLM-Tool Compiler for Fused Parallel Function Calling
von: Singh, Simranjit, et al.
Veröffentlicht: (2024)

Probabilistic Programming with Programmable Variational Inference
von: Becker, McCoy R., et al.
Veröffentlicht: (2024)

From Reasoning to Code: GRPO Optimization for Underrepresented Languages
von: Pennino, Federico, et al.
Veröffentlicht: (2025)

Magellan: Autonomous Discovery of Novel Compiler Optimization Heuristics with AlphaEvolve
von: Chen, Hongzheng, et al.
Veröffentlicht: (2026)

What I cannot execute, I do not understand: Training and Evaluating LLMs on Program Execution Traces
von: Armengol-Estapé, Jordi, et al.
Veröffentlicht: (2025)

Can LLMs Compress (and Decompress)? Evaluating Code Understanding and Execution via Invertibility
von: Maveli, Nickil, et al.
Veröffentlicht: (2026)

SoD$^2$: Statically Optimizing Dynamic Deep Neural Network
von: Niu, Wei, et al.
Veröffentlicht: (2024)

Tilus: A Tile-Level GPGPU Programming Language for Low-Precision Computation
von: Ding, Yaoyao, et al.
Veröffentlicht: (2025)

Searching for Programmatic Policies in Semantic Spaces
von: Moraes, Rubens O., et al.
Veröffentlicht: (2024)

Forklift: An Extensible Neural Lifter
von: Armengol-Estapé, Jordi, et al.
Veröffentlicht: (2024)

Beyond Either-Or Reasoning: Transduction and Induction as Cooperative Problem-Solving Paradigms
von: Zenkner, Janis, et al.
Veröffentlicht: (2025)