論文の概要: Nudge: Accelerating Overdue Pull Requests Towards Completion
- arxiv url: http://arxiv.org/abs/2011.12468v5
- Date: Fri, 17 Jun 2022 09:09:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 02:19:40.942406
- Title: Nudge: Accelerating Overdue Pull Requests Towards Completion
- Title（参考訳）: nudge: 過剰なプルリクエストの完了への加速
- Authors: Chandra Maddila, Sai Surya Upadrasta, Chetan Bansal, Nachiappan
Nagappan, Georgios Gousios, Arie van Deursen
- Abstract要約: 我々は、完了に向けた過剰なプルリクエストを加速するために、エンドツーエンドのサービスであるNudgeを設計します。
Nudge氏は、著者またはレビュアーに、過剰なプルリクエストへの取り組みを思い出させる。
Microsoftで使用されている147のリポジトリのトライアルで、Nudgeは8500のプルリクエストに対して、プルリクエストの解決時間を60%削減した。
- 参考スコア（独自算出の注目度）: 12.608120951168198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pull requests are a key part of the collaborative software development and
code review process today. However, pull requests can also slow down the
software development process when the reviewer(s) or the author do not actively
engage with the pull request. In this work, we design an end-to-end service,
Nudge, for accelerating overdue pull requests towards completion by reminding
the author or the reviewer(s) to engage with their overdue pull requests.
First, we use models based on effort estimation and machine learning to predict
the completion time for a given pull request. Second, we use activity detection
to filter out pull requests that may be overdue, but for which sufficient
action is taking place nonetheless. Lastly, we use actor identification to
understand who the blocker of the pull request is and nudge the appropriate
actor (author or reviewer(s)). The key novelty of Nudge is that it succeeds in
reducing pull request resolution time, while ensuring that developers perceive
the notifications sent as useful, at the scale of thousands of repositories. In
a randomized trial on 147 repositories in use at Microsoft, Nudge was able to
reduce pull request resolution time by 60% for 8,500 pull requests, when
compared to overdue pull requests for which Nudge did not send a notification.
Furthermore, developers receiving Nudge notifications resolved 73% of these
notifications as positive. We observed similar results when scaling up the
deployment of Nudge to 8,000 repositories at Microsoft, for which Nudge sent
210,000 notifications during a full year. This demonstrates Nudge's ability to
scale to thousands of repositories. Lastly, our qualitative analysis of a
selection of Nudge notifications indicates areas for future research, such as
taking dependencies among pull requests and developer availability into
account.
- Abstract（参考訳）: プルリクエストは、今日のコラボレーションソフトウェア開発とコードレビュープロセスの重要な部分です。
しかし、レビュアーや著者が積極的にプルリクエストに関与していない場合、プルリクエストはソフトウェア開発プロセスを遅くする可能性がある。
本研究では,著者やレビュアーに過度なプルリクエストに対処させるようにリマインドすることで,過度なプルリクエストの完了を早めるための,エンドツーエンドサービスであるnudgeを設計した。
まず、労力推定と機械学習に基づくモデルを使用して、所定のプルリクエストの完了時間を予測します。
次に、アクティビティ検出を使用して、過剰なプルリクエストをフィルタしますが、それでも十分なアクションが行われています。
最後に、我々はアクター識別を使用して、プルリクエストのブロッカーが誰であるかを理解し、適切なアクタ(著者またはレビュアー)を判断します。
Nudgeの重要な新機能は、プルリクエストの解決時間を短縮し、開発者が数千のリポジトリの規模で送信された通知を有用と認識することを保証することだ。
microsoftで使用されている147のリポジトリのランダム化トライアルでは、nudgeが通知を送信しなかったプルリクエストに対して、プルリクエストの解決時間を8,500リクエストに対して60%削減することができた。
さらに、Nudge通知を受け取る開発者は、これらの通知の73%を肯定的に解決した。
私たちは、NudgeのデプロイをMicrosoftの8000リポジトリにスケールアップする際の同様の結果を観察しました。
これはNudgeが数千のリポジトリにスケール可能であることを示している。
最後に、nudge通知の選択に関する質的分析は、プルリクエスト間の依存関係や開発者アベイラビリティを考慮したものなど、今後の研究の領域を示しています。
関連論文リスト
- How Do Developers Use Code Suggestions in Pull Request Reviews? [9.004005678155023]
46のエンジニアリングGitHubプロジェクトからのプルリクエストに関する実証的研究を行った。
提案のタイプと使用頻度を明らかにするために,オープンコーディングアプローチを適用した。
コードスタイルの提案、改善、修正、ドキュメントの4つの提案タイプを明らかにしました。
論文 参考訳（メタデータ） (2025-02-07T11:09:25Z) - FIRE: Fact-checking with Iterative Retrieval and Verification [63.67320352038525]
FIREはエビデンス検索とクレーム検証を反復的に統合する新しいフレームワークである。
大きな言語モデル(LLM)のコストを平均7.6倍、検索コストを16.5倍削減しながら、パフォーマンスが若干向上している。
これらの結果から,FIREは大規模ファクトチェック業務における適用を約束していることが明らかとなった。
論文 参考訳（メタデータ） (2024-10-17T06:44:18Z) - Adaptive Scheduling for Edge-Assisted DNN Serving [6.437829777289881]
本稿では,ディープニューラルネットワークを用いた複数クライアントのエッジサーバ処理の高速化について検討する。
我々はまず,同一のDNNを実行するすべての要求の利点を利用するために,新しいスケジューリングアルゴリズムを設計する。
次に、異なるDNNを使用するリクエストを、共有レイヤの有無に関わらず処理するようにアルゴリズムを拡張します。
論文 参考訳（メタデータ） (2023-04-19T20:46:50Z) - Overload: Latency Attacks on Object Detection for Edge Devices [47.9744734181236]
本稿では,ディープラーニングアプリケーションに対する遅延攻撃について検討する。
誤分類に対する一般的な敵攻撃とは異なり、遅延攻撃の目標は推論時間を増やすことである。
このような攻撃がどのように動作するかを示すために、オブジェクト検出を使用します。
論文 参考訳（メタデータ） (2023-04-11T17:24:31Z) - DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion [137.8749239614528]
そこで我々は,時間的行動検出(TAD)の新しい定式化を提案し,拡散を抑えるDiffTADを提案する。
入力されたランダムな時間的提案を考慮すれば、トリミングされていない長いビデオが与えられたアクションの提案を正確に得ることができる。
論文 参考訳（メタデータ） (2023-03-27T00:40:52Z) - The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural
Networks [94.63547069706459]
#DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。
違反の正確な数を返す新しい手法を提案する。
安全クリティカルなベンチマークのセットに関する実験結果を示す。
論文 参考訳（メタデータ） (2023-01-17T18:32:01Z) - Intelligent Request Strategy Design in Recommender System [76.90734681369156]
我々は、Intelligent Request Strategy Design(IRSD)というエッジインテリジェンスの新しい学習タスクを構想する。
IRSDは、ユーザのリアルタイムな意図に基づいて、リクエスト挿入の適切なタイミングを決定することにより、ウォーターフォールRSの有効性を向上させることを目的としている。
我々は、アップリフトベースのOn-edge Smart Request Framework(AdaRequest)という、適応的な要求挿入戦略の新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-06-23T16:51:38Z) - To remove or not remove Mobile Apps? A data-driven predictive model
approach [4.853751680856816]
本稿では,各アプリが削除されるか,受理されるかを決定するデータ駆動型予測手法を提案する。
当社のアプローチは,削除される可能性の低いアプリをダウンロードする際の,アプリやユーザの改善を支援するものです。
論文 参考訳（メタデータ） (2022-06-08T14:00:53Z) - Beyond Greedy Search: Tracking by Multi-Agent Reinforcement
Learning-based Beam Search [103.53249725360286]
既存のトラッカーは通常、フレーム毎のトラッキング結果として最大スコアの場所または提案を選択する。
本稿では,この問題に対処するために,新しいマルチエージェント強化学習に基づくビームサーチ戦略(BeamTracking と呼ばれる)を提案する。
論文 参考訳（メタデータ） (2022-05-19T16:35:36Z) - Is Surprisal in Issue Trackers Actionable? [27.027874108736828]
本稿では,ソフトウェアリポジトリにおける異常事象検出手法を提案する。
GitHubで最も人気のあるソフトウェアリポジトリ5,000からイシューとプルリクエストを抽出します。
リポジトリにおけるそれらの重要性を計測し、いくつかのアナログを用いてその解決の難しさを計測し、それぞれの素因を計測し、最終的に推論統計を生成する。
論文 参考訳（メタデータ） (2022-04-15T07:49:40Z) - DeepRT: A Soft Real Time Scheduler for Computer Vision Applications on
the Edge [17.725750510361884]
本稿では,データに対する推論を行うソフトリアルタイム要求を行うアプリケーションについて述べる。
DeepRTは、システム全体のスループットを高く保ちながら、要求に遅延を保証する。
評価の結果,DeepRTは納期ミス数やスループットの点で最先端の作業よりも優れていた。
論文 参考訳（メタデータ） (2021-05-05T00:08:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。