論文の概要: Quantitative Toolchain Assurance
- arxiv url: http://arxiv.org/abs/2308.16275v1
- Date: Wed, 30 Aug 2023 19:05:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 11:53:59.788601
- Title: Quantitative Toolchain Assurance
- Title（参考訳）: 定量的ツールチェーン保証
- Authors: Dennis Volpano, Drew Malzahn, Andrew Pareles, Mark Thober
- Abstract要約: ソフトウェア資料法案(Software Bill of Materials, SBOM)は、著作権、依存関係、セキュリティ参照など、ソフトウェア構築に関するより多くの情報を含むことを目的としている。
ソフトウェアアーティファクトのサプライチェーンレベル(SLSA)のような取り組みは、ビルドプロセスの品質に注目して、これを改善しようとします。
プロセスリダクション(プロセスリダクション)と呼ばれる新しい形態の保証ケースと、それを構築するための新しいテクニックを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The software bill of materials (SBOM) concept aims to include more
information about a software build such as copyrights, dependencies and
security references. But SBOM lacks visibility into the process for building a
package. Efforts such as Supply-chain Levels for Software Artifacts (SLSA) try
to remedy this by focusing on the quality of the build process. But they lack
quantitative assessment of that quality. They are purely qualitative. A new
form of assurance case and new technique for structuring it, called process
reduction, are presented. An assurance case for a toolchain is quantitative and
when structured as a process reduction can measure the strength of the
toolchain via the strength of the reduction. An example is given for a simple
toolchain.
- Abstract（参考訳）: software bill of materials (sbom) の概念は,著作権や依存関係,セキュリティ参照など,ソフトウェアビルドに関する詳細な情報を含むことを目的としている。
しかし、SBOMはパッケージを構築するプロセスの可視性に欠けています。
ソフトウェアアーティファクトのサプライチェーンレベル(SLSA)のような取り組みは、ビルドプロセスの品質に注目して、これを改善しようとします。
しかし、その品質の定量的評価は欠如している。
彼らは純粋に質的です。
プロセス・リダクションと呼ばれる新しい形態の保証ケースとそれを構成する新しいテクニックが提示される。
ツールチェーンの保証ケースは定量的であり、プロセス還元として構成された場合、リダクションの強度を介してツールチェーンの強度を測定することができる。
単純なツールチェーンの例を挙げる。
関連論文リスト
- Verifying Non-friendly Formal Verification Designs: Can We Start Earlier? [2.1626093085892144]
本稿では,2つの主要なステップからなるメタモデリング技術に基づく自動手法を提案する。
まず、C++で書かれた未使用のアルゴリズム記述を、生成されたアサーションを使用して早期に検証する。
第2に、HLECとそのメタモデルパラメータを用いて、このアルゴリズム記述をシーケンシャルな設計に対して検証する。
論文 参考訳（メタデータ） (2024-10-24T06:09:40Z) - The Impact of SBOM Generators on Vulnerability Assessment in Python: A Comparison and a Novel Approach [56.4040698609393]
Software Bill of Materials (SBOM) は、ソフトウェア構成における透明性と妥当性を高めるツールとして推奨されている。
現在のSBOM生成ツールは、コンポーネントや依存関係を識別する際の不正確さに悩まされることが多い。
提案するPIP-sbomは,その欠点に対処する新しいピップインスパイアされたソリューションである。
論文 参考訳（メタデータ） (2024-09-10T10:12:37Z) - Seal-Tools: Self-Instruct Tool Learning Dataset for Agent Tuning and Detailed Benchmark [8.573278807410507]
本稿では,新しいツール学習データセットSeal-Toolsを提案する。
Seal-Toolsには、セルフインストラクトAPIのようなツールが含まれている。
また、ツールの実践的応用を示すインスタンスも含まれている。
論文 参考訳（メタデータ） (2024-05-14T06:50:19Z) - LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。
本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。
この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
論文 参考訳（メタデータ） (2024-05-09T11:49:05Z) - OmniBOR: A System for Automatic, Verifiable Artifact Resolution across
Software Supply Chains [0.0]
OmniBORは、アーティファクト依存グラフを作成するためのビルドツールのための最小限のスキームである。
我々は,OmniBORのアーキテクチャ,基礎となるデータ表現,およびOmniBORデータを生成して構築されたソフトウェアに組み込む2つの実装を紹介する。
論文 参考訳（メタデータ） (2024-02-14T06:50:16Z) - Efficient Tool Use with Chain-of-Abstraction Reasoning [65.18096363216574]
大規模言語モデル(LLM)は、現実世界の知識に対する推論の基礎となる必要がある。
マルチステップ推論問題におけるツールの実行には,微調整LDMエージェントの課題が残されている。
マルチステップ推論におけるツールの活用方法として, LLM の新しい手法を提案する。
論文 参考訳（メタデータ） (2024-01-30T21:53:30Z) - Quality-Aware Translation Models: Efficient Generation and Quality Estimation in a Single Model [77.19693792957614]
そこで我々は,ニューラルネットワーク翻訳(NMT)モデルを用いて,その品質を学習し,その品質を推定する手法を提案する。
我々は、単一パスの復号化の効率性よりも、品質向上や品質改善のアプローチよりも優れた品質向上を得る。
論文 参考訳（メタデータ） (2023-10-10T15:33:51Z) - CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。
我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。
我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
論文 参考訳（メタデータ） (2023-05-23T17:51:52Z) - GiveMeLabeledIssues: An Open Source Issue Recommendation System [9.312780130838952]
開発者はしばしば、オープンソースソフトウェア(OSS)プロジェクトのイシュートラッキングシステムをナビゲートして、適切なタスクを見つけるのに苦労します。
本稿では,プロジェクトリポジトリをマイニングし,課題を解決に必要なスキルに基づいてラベル付けするツールを提案する。
GiveMeLabeledIssuesは開発者のスキルとタスクのマッチングを容易にし、プロジェクトのメンテナの負担を軽減する。
論文 参考訳（メタデータ） (2023-03-23T16:39:31Z) - CleanRL: High-quality Single-file Implementations of Deep Reinforcement
Learning Algorithms [0.0]
CleanRLはオープンソースのライブラリで、Deep Reinforcement Learningアルゴリズムの高品質なシングルファイル実装を提供する。
シンプルでスケーラブルな開発エクスペリエンスを提供し、運用ツールをシンプルに統合します。
論文 参考訳（メタデータ） (2021-11-16T22:44:56Z) - Uncertainty Quantification 360: A Holistic Toolkit for Quantifying and
Communicating the Uncertainty of AI [49.64037266892634]
我々は、AIモデルの不確実性定量化のためのオープンソースのPythonツールキットUncertainty Quantification 360 (UQ360)について述べる。
このツールキットの目標は2つある: ひとつは、AIアプリケーション開発ライフサイクルにおける不確実性を定量化し、評価し、改善し、伝達する共通のプラクティスを育むとともに、合理化するための幅広い能力を提供すること、もうひとつは、信頼できるAIの他の柱とのUQの接続をさらに探求することである。
論文 参考訳（メタデータ） (2021-06-02T18:29:04Z)
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。