論文の概要: Toward Automatically Completing GitHub Workflows
- arxiv url: http://arxiv.org/abs/2308.16774v3
- Date: Wed, 6 Sep 2023 09:33:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 11:44:10.351950
- Title: Toward Automatically Completing GitHub Workflows
- Title（参考訳）: GitHubワークフローの自動補完に向けて
- Authors: Antonio Mastropaolo, Fiorella Zampetti, Gabriele Bavota, Massimiliano
Di Penta
- Abstract要約: GH-WCOM(GitHub COMpletion)は、開発者が特定のCI/CDパイプライン、すなわちGitHubを書くのをサポートするトランスフォーマーベースのアプローチである。
我々の実証研究は、GH-WCOMが34.23%の正確な予測を提供することを示している。
- 参考スコア（独自算出の注目度）: 16.302521048148748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous integration and delivery (CI/CD) are nowadays at the core of
software development. Their benefits come at the cost of setting up and
maintaining the CI/CD pipeline, which requires knowledge and skills often
orthogonal to those entailed in other software-related tasks. While several
recommender systems have been proposed to support developers across a variety
of tasks, little automated support is available when it comes to setting up and
maintaining CI/CD pipelines. We present GH-WCOM (GitHub Workflow COMpletion), a
Transformer-based approach supporting developers in writing a specific type of
CI/CD pipelines, namely GitHub workflows. To deal with such a task, we designed
an abstraction process to help the learning of the transformer while still
making GH-WCOM able to recommend very peculiar workflow elements such as tool
options and scripting elements. Our empirical study shows that GH-WCOM provides
up to 34.23% correct predictions, and the model's confidence is a reliable
proxy for the recommendations' correctness likelihood.
- Abstract（参考訳）: 継続的インテグレーションとデリバリ(CI/CD)は、近年ソフトウェア開発の核心にあります。
それらのメリットは、CI/CDパイプラインのセットアップとメンテナンスに要するコストにある。
さまざまなタスクで開発者をサポートするために、いくつかの推奨システムが提案されているが、CI/CDパイプラインのセットアップとメンテナンスに関しては、ほとんど自動サポートがない。
GH-WCOM(GitHub Workflow COMpletion)は、開発者が特定のCI/CDパイプライン、すなわちGitHubワークフローを書くのをサポートするトランスフォーマーベースのアプローチである。
このようなタスクに対処するため,GH-WCOMはツールオプションやスクリプティング要素など,非常に特殊なワークフロー要素を推奨しながら,トランスフォーマーの学習を支援する抽象化プロセスを設計した。
我々の実証研究は、GH-WCOMが最大34.23%の正確な予測を提供しており、モデルの信頼性は推奨の正確性に関する信頼できるプロキシであることを示している。
関連論文リスト
- CI/CD Configuration Practices in Open-Source Android Apps: An Empirical Study [0.1433758865948252]
2,564のAndroidアプリで,継続的インテグレーションと継続的デリバリのプラクティスに関する実証的研究を行います。
プロジェクトやサービス間で共通性や標準が欠如していることが、複雑なYML構成につながります。
我々の研究は、モバイルアプリケーションのCI/CDプロセスを改善するための自動化とAIツールの必要性を強調している。
論文 参考訳（メタデータ） (2024-11-09T05:46:43Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - The Hidden Costs of Automation: An Empirical Study on GitHub Actions Workflow Maintenance [45.53834452021771]
GitHub Actions(GA)は、エンジニアリングタスクの自動実行を合理化するオーケストレーションプラットフォームである。
欠陥の修正、依存関係の更新、あるいは既存のワークフローファイルの修正には、人間の介入が必要である。
論文 参考訳（メタデータ） (2024-09-04T01:33:16Z) - Detecting Continuous Integration Skip : A Reinforcement Learning-based Approach [0.4297070083645049]
継続的統合(CI)プラクティスは、自動ビルドとテストプロセスを採用することで、コード変更のシームレスな統合を促進する。
Travis CIやGitHub Actionsといった一部のフレームワークは、CIプロセスの簡素化と強化に大きく貢献している。
開発者はCI実行に適したコミットやスキップの候補としてコミットを正確にフラグ付けすることの難しさに悩まされ続けている。
論文 参考訳（メタデータ） (2024-05-15T18:48:57Z) - C-Procgen: Empowering Procgen with Controllable Contexts [62.84544720338002]
C-Procgenは、Procgenベンチマーク上に拡張された環境スイートである。
16のゲームで200以上のユニークなゲームコンテキストにアクセスすることができる。
論文 参考訳（メタデータ） (2023-11-13T13:07:48Z) - ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple
yet General Complementary Transformer [91.43066633305662]
本稿では,多種多様な二ソース密度予測タスクのためのアンダーラインComPlementaryアンダーライン変換器textbfComPtrを提案する。
ComPtrは異なる入力を等しく扱い、変換器上にシーケンス・ツー・シーケンスの形で効率的な密な相互作用モデルを構築する。
論文 参考訳（メタデータ） (2023-07-23T15:17:45Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳（メタデータ） (2023-05-08T15:24:23Z) - DC-Check: A Data-Centric AI checklist to guide the development of
reliable machine learning systems [81.21462458089142]
データ中心のAIは、信頼できるエンドツーエンドパイプラインを可能にする統一パラダイムとして登場しています。
データ中心の考慮事項を抽出する実行可能なチェックリストスタイルのフレームワークであるDC-Checkを提案する。
この開発におけるデータ中心のレンズは、システム開発に先立って思考力と透明性を促進することを目的としている。
論文 参考訳（メタデータ） (2022-11-09T17:32:09Z) - On Continuous Integration / Continuous Delivery for Automated Deployment
of Machine Learning Models using MLOps [1.2885809002769633]
この調査は、マシンラーニングのライフサイクルと、DevOpsとMLOpsの主な違いについて、より詳細な調査を提供する。
MLOpsアプローチでは、機械学習フレームワークのCI/CDパイプラインを実行するためのツールとアプローチについて議論する。
その後、Github Operations(GitOps)のプッシュとプルベースのデプロイメントを詳しく見ていきます。
論文 参考訳（メタデータ） (2022-02-07T22:04:38Z) - Collective Knowledge: organizing research projects as a database of
reusable components and portable workflows with common APIs [0.2538209532048866]
この記事では、集合的知識フレームワーク(CKまたはcKnowledge)のモチベーションと概要について述べる。
CKの概念は、研究プロジェクトを研究成果物をカプセル化した再利用可能なコンポーネントに分解することである。
長期的な目標は、研究者と実践者を結びつけて、すべての知識を共有し再利用することで、イノベーションを加速させることである。
論文 参考訳（メタデータ） (2020-11-02T17:42:59Z)
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。