Fugu-MT 論文翻訳(概要): ADPTriage: Approximate Dynamic Programming for Bug Triage

論文の概要: ADPTriage: Approximate Dynamic Programming for Bug Triage

arxiv url: http://arxiv.org/abs/2211.00872v1
Date: Wed, 2 Nov 2022 04:42:21 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 14:41:46.778893
Title: ADPTriage: Approximate Dynamic Programming for Bug Triage
Title（参考訳）: ADPTriage: バグトリアージのための近似動的プログラミング
Authors: Hadi Jahanshahi, Mucahit Cevik, Kianoush Mousavi, Ay\c{s}e Ba\c{s}ar
Abstract要約: オンラインバグトリアージタスクのためのマルコフ決定プロセス(MDP)モデルを開発した。私たちはADPTriageと呼ばれるADPベースのバグトリアージソリューションを提供しています。以上の結果から, 代入精度と固定時間の観点から, ミオピックアプローチよりも有意な改善が見られた。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Bug triaging is a critical task in any software development project. It entails triagers going over a list of open bugs, deciding whether each is required to be addressed, and, if so, which developer should fix it. However, the manual bug assignment in issue tracking systems (ITS) offers only a limited solution and might easily fail when triagers must handle a large number of bug reports. During the automated assignment, there are multiple sources of uncertainties in the ITS, which should be addressed meticulously. In this study, we develop a Markov decision process (MDP) model for an online bug triage task. In addition to an optimization-based myopic technique, we provide an ADP-based bug triage solution, called ADPTriage, which has the ability to reflect the downstream uncertainty in the bug arrivals and developers' timetables. Specifically, without placing any limits on the underlying stochastic process, this technique enables real-time decision-making on bug assignments while taking into consideration developers' expertise, bug type, and bug fixing time. Our result shows a significant improvement over the myopic approach in terms of assignment accuracy and fixing time. We also demonstrate the empirical convergence of the model and conduct sensitivity analysis with various model parameters. Accordingly, this work constitutes a significant step forward in addressing the uncertainty in bug triage solutions
Abstract（参考訳）: バグトリアージはどんなソフトウェア開発プロジェクトにおいても重要なタスクです。オープンバグのリストをクリアし、各バグに対処する必要があるかどうかを判断し、もしそうであれば、どの開発者が修正すべきなのかを判断する。しかし、イシュートラッキングシステム(ITS)における手動バグ割り当ては限定的な解決策しか提供せず、トリアージが大量のバグレポートを扱う必要があると簡単に失敗する可能性がある。自動割り当ての間、ITSには複数の不確実性源があり、慎重に対処すべきである。本研究では,オンラインバグトリアージタスクのためのマルコフ決定プロセス(mdp)モデルを開発した。最適化ベースのミオピック技術に加えて,ADPTriageと呼ばれるADPベースのバグトリアージソリューションも提供しています。特に、基礎となる確率的プロセスに制限を加えることなく、このテクニックは、開発者の専門知識、バグタイプ、バグ修正時間を考慮して、バグ割り当てのリアルタイムな意思決定を可能にする。以上の結果から,ミオピックアプローチと比較して,割当精度と固定時間において有意な改善が見られた。また,モデルの経験的収束を示し,様々なモデルパラメータを用いた感度解析を行う。したがって、この作業はバグトリアージソリューションの不確実性に対処する上で大きな一歩となる。

関連論文リスト

Subtle Errors Matter: Preference Learning via Error-injected Self-editing [59.405145971637204]
eRror-Injected Self-Editing (RISE) と呼ばれる新しい好み学習フレームワークを提案する。 RISEは定義済みの微妙な誤りを正しい解の部分的なトークンに注入し、エラー軽減のためにハードペアを構築する。 RISEの有効性を検証する実験では、Qwen2-7B-Instructでは、GSM8Kでは3.0%、MATHでは7.9%が顕著に改善された。
論文参考訳（メタデータ） (2024-10-09T07:43:38Z)
Reasoning Paths Optimization: Learning to Reason and Explore From Diverse Paths [69.39559168050923]
本稿では,多様な経路から学習の推論と探索を可能にするReasoning Paths Optimization (RPO)を紹介する。提案手法は,各推論ステップにおいて好意的な分岐を奨励し,好ましくない分岐を罰し,モデル全体の問題解決性能を高める。我々は,数語問題や理科ベースの試験問題など,多段階の推論タスクに焦点をあてる。
論文参考訳（メタデータ） (2024-10-07T06:37:25Z)
MultiDimEr: a multi-dimensional bug analyzEr [5.318531077716712]
技術的負債を特定するために,バグレポートの次元を分類し,視覚化する。この証拠は、実践者や意思決定者に対して、改善努力を操縦するための議論的な基盤としてだけでなく、根本原因分析の出発点としても役立つ。
論文参考訳（メタデータ） (2024-02-16T16:00:42Z)
Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文参考訳（メタデータ） (2023-02-14T18:43:34Z)
Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
論文参考訳（メタデータ） (2022-11-11T16:37:33Z)
BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
論文参考訳（メタデータ） (2022-07-21T20:17:53Z)
On Distribution Shift in Learning-based Bug Detectors [4.511923587827301]
まず、モデルをバグ検出領域に適応させるため、次に実際のバグ検出領域に適応させるために、モデルを実際の配布に向けて駆動するために、バグ検出装置を2つのフェーズで訓練する。我々は,本手法を広範に研究した3種類のバグタイプに対して評価し,実際のバグ分布を捉えるために慎重に設計された新しいデータセットを構築した。
論文参考訳（メタデータ） (2022-04-21T12:17:22Z)
S-DABT: Schedule and Dependency-Aware Bug Triage in Open-Source Bug Tracking Systems [0.0]
手動のバグ修正のスケジューリングは、時間がかかり、面倒で、エラーを起こしやすい。そこで我々は,S-DABT(Schedule and Dependency-aware Bug Triage)を提案する。
論文参考訳（メタデータ） (2022-04-12T17:36:43Z)
DapStep: Deep Assignee Prediction for Stack Trace Error rePresentation [61.99379022383108]
本稿では,バグトリアージ問題を解決するための新しいディープラーニングモデルを提案する。モデルは、注目された双方向のリカレントニューラルネットワークと畳み込みニューラルネットワークに基づいている。ランキングの質を向上させるために,バージョン管理システムのアノテーションから追加情報を利用することを提案する。
論文参考訳（メタデータ） (2022-01-14T00:16:57Z)
DABT: A Dependency-aware Bug Triaging Method [0.0]
自然言語処理と整数を利用して,適切な開発者にバグを割り当てる,Dependency-aware Bug Triaging(DABT)と呼ばれるバグトリアージ手法を提案する。その結果,DABTは過度なバグを最大12%まで減らすことができることがわかった。また、バグの修正時間の平均を半減します。
論文参考訳（メタデータ） (2021-04-26T17:35:42Z)
Generating Bug-Fixes Using Pretrained Transformers [11.012132897417592]
実世界のgithubからマイニングしたjavaメソッドのバグの検出と修正を学ぶ,データ駆動型プログラム修復手法を導入する。ソースコードプログラムの事前トレーニングは,スクラッチからの教師ありトレーニングに比べて,33%のパッチ数を改善することを示す。我々は,標準精度評価基準を非削除および削除のみの修正に洗練し,我々の最良モデルが従来よりも75%多くの非削除修正を生成することを示す。
論文参考訳（メタデータ） (2021-04-16T05:27:04Z)

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。