268598記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 次トークン予測はGPTに十分か？コード論理理解の探求（Is Next Token Prediction Sufficient for GPT? Exploration on Code Logic Comprehension）
2 分で読了
0 views

次トークン予測はGPTに十分か？コード論理理解の探求

（Is Next Token Prediction Sufficient for GPT? Exploration on Code Logic Comprehension）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下から「AIでコードのチェックもできる」と言われまして、何ができて何がまだ弱いのか見極めたいんです。これって要するにどれくらい信頼していいんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！今回の論文は、AIがコードをただ文字列として予測しているだけでは実際の「論理」を理解していないのではないかと問い直した研究ですよ。大丈夫、一緒に見ていけば要点が掴めるんです。

田中専務

要するに、今の大きなモデルは文章の先を当てるのが得意だけれど、現場のプログラムの「この処理はこういう意味だ」という理解は弱いということですか。

AIメンター拓海

その通りです。わかりやすく３点で整理しますよ。1つ、現在の学習はNext Token Prediction (NTP、次トークン予測)という「次に来る文字や語を当てる」訓練が中心である。2つ、それは文脈を統計的に捉えるのは得意だが、コードの内在する論理構造を必ずしも獲得しない。3つ、本研究はその弱点を検証するために新しい評価タスクを提案し、改善策も示しているんです。

田中専務

評価タスクというのは単純にテスト問題のようなものですか。実務でいうとどういう場面が当てはまるのか教えてください。

AIメンター拓海

良い質問ですね。今回の評価は

論文研究シリーズ
前の記事
EIVEN: マルチモーダルLLMを用いた効率的な暗黙属性値抽出
（EIVEN: Efficient Implicit Attribute Value Extraction using Multimodal LLM）
次の記事
LLMに基づくプログラム修復の目的整合
（Aligning the Objective of LLM-based Program Repair）
関連記事
コミック登場人物のアイデンティティ認識を用いた半教師あり学習
（Identity-Aware Semi-Supervised Learning for Comic Character Re-Identification）
医療記録の凝縮：ヘルスケアデータの民主化に向けたロードマップ
（Medical records condensation: a roadmap towards healthcare data democratisation）
コントラスト学習と適応KNNによる光学的赤方偏移推定
（Contrastive Learning and Adaptive KNN for Photometric Redshift）
フラッキングによる深層畳み込み画像記述子
（Fracking Deep Convolutional Image Descriptors）
Rethinking Byzantine Robustness in Federated Recommendation from Sparse Aggregation Perspective
（スパース集約の視点から再考するフェデレーテッド推薦におけるビザンチン耐性）
垂直型フェデレーテッドラーニングに対する敵対的事例の構築
（CONSTRUCTING ADVERSARIAL EXAMPLES FOR VERTICAL FEDERATED LEARNING: OPTIMAL CLIENT CORRUPTION THROUGH MULTI-ARMED BANDIT）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
ネットワークにおけるモデル選択とリンク予測の一致と不一致
（Consistencies and inconsistencies between model selection and link prediction in networks）
  • 論文研究
並列確率的勾配降下法とサウンドコンバイナ
（Parallel Stochastic Gradient Descent with Sound Combiners）
  • 論文研究
平均回帰型トレーディング戦略を改善するためのマクロ経済予測の活用
（Using Macroeconomic Forecasts to Improve Mean Reverting Trading Strategies）
  • 論文研究
ペアワイズ混同による詳細分類の最適化
（Pairwise Confusion for Fine-Grained Visual Classification）
  • 論文研究
効果変動に対するラッソを用いた選択的推論
（Selective Inference for Effect Modification via the Lasso）
  • 論文研究
任意の力学を学習する効率的でバランスの取れたスパイキングネットワーク
（Learning arbitrary dynamics in efficient, balanced spiking networks using local plasticity rules）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む