論文の概要: Characterizing Issue Management in Runtime Systems
- arxiv url: http://arxiv.org/abs/2310.15971v1
- Date: Tue, 24 Oct 2023 16:12:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 17:47:29.183530
- Title: Characterizing Issue Management in Runtime Systems
- Title（参考訳）: ランタイムシステムにおける課題管理の特徴
- Authors: Salma Begum Tamanna, Gias Uddin, Lan Xia and Longyu Zhang
- Abstract要約: GitHubの34のランタイムシステムリポジトリから約118Kの問題に関する実証的研究を報告する。
拡張、テストの失敗、バグに関する問題は、主にランタイムシステムリポジトリに投稿されている。
82.65%の発行者はラベルでタグ付けされ、28.30%の発行者は指定されていない。
- 参考スコア（独自算出の注目度）: 0.38233569758620056
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Modern programming languages like Java require runtime systems to support the
implementation and deployment of software applications in diverse computing
platforms and operating systems. These runtime systems are normally developed
in GitHub-hosted repositories based on close collaboration between large
software companies (e.g., IBM, Microsoft) and OSS developers. However, despite
their popularity and broad usage; to the best of our knowledge, these
repositories have never been studied. We report an empirical study of around
118K issues from 34 runtime system repos in GitHub. We found that issues
regarding enhancement, test failure and bug are mostly posted on runtime system
repositories and solution related discussion are mostly present on issue
discussion. 82.69% issues in the runtime system repositories have been resolved
and 0.69% issues are ignored; median of issue close rate, ignore rate and
addressing time in these repositories are 76.1%, 2.2% and 58 days respectively.
82.65% issues are tagged with labels while only 28.30% issues have designated
assignees and 90.65% issues contain at least one comment; also presence of
these features in an issue report can affect issue closure. Based on the
findings, we offer six recommendat
- Abstract（参考訳）: Javaのような現代のプログラミング言語は、様々なコンピューティングプラットフォームやオペレーティングシステムにおけるソフトウェアアプリケーションの実装とデプロイをサポートするためにランタイムシステムを必要とする。
これらのランタイムシステムは通常,大規模なソフトウェア企業(ibmやmicrosoftなど)とoss開発者との緊密なコラボレーションに基づいて,githubがホストするリポジトリで開発される。
しかし、その人気と幅広い利用にもかかわらず、私たちの知る限りでは、これらのリポジトリは研究されていない。
GitHubの34のランタイムシステムリポジトリから約118Kの問題に関する実証的研究を報告する。
拡張性、テストの失敗、バグに関する問題は、主にランタイムシステムレポジトリに投稿され、ソリューションに関する議論は、主に問題議論に現れます。
ランタイムシステムリポジトリの82.69%の問題は解決され、0.69%の問題は無視されている。
82.65%の問題はラベルでタグ付けされ、28.30%の発行者は指定され、90.65%の発行者は少なくとも1つのコメントを含む。
調査結果に基づいて 6つの推奨事項を
関連論文リスト
- SWE-bench Multimodal: Do AI Systems Generalize to Visual Software Domains? [64.34184587727334]
視覚的ユーザ向けJavaScriptソフトウェアにおけるバグ修正機能に基づいて,システム評価を行うSWE-bench Multimodalを提案する。
SWE-bench Mは、Webインターフェース設計、ダイアグラム、データ視覚化、シンタックスハイライト、インタラクティブマッピングに使用される17のJavaScriptライブラリから収集された617のタスクインスタンスを特徴とする。
分析の結果,SWE-benchシステムはSWE-bench Mと競合し,視覚的問題解決や言語間の一般化に限界があることが判明した。
論文 参考訳（メタデータ） (2024-10-04T18:48:58Z) - Visual Analysis of GitHub Issues to Gain Insights [2.9051263101214566]
本稿では,課題タイムラインに関する洞察を提供するために,可視化を生成するプロトタイプWebアプリケーションを提案する。
問題のライフサイクルに焦点をあて、ユーザによる開発パターンの理解を高めるために重要な情報を記述する。
論文 参考訳（メタデータ） (2024-07-30T15:17:57Z) - KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。
現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。
このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
論文 参考訳（メタデータ） (2024-07-02T21:44:22Z) - How to Understand Whole Software Repository? [64.19431011897515]
リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。
本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。
リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
論文 参考訳（メタデータ） (2024-06-03T15:20:06Z) - Analyzing the Accessibility of GitHub Repositories for PyPI and NPM Libraries [91.97201077607862]
産業アプリケーションはオープンソースソフトウェア(OSS)ライブラリに大きく依存しており、様々な利点を提供している。
このようなコミュニティの活動を監視するには、エコシステムのライブラリの包括的なリポジトリのリストにアクセスしなければなりません。
本研究では、PyPIライブラリとNPMライブラリのGitHubリポジトリのアクセシビリティを分析する。
論文 参考訳（メタデータ） (2024-04-26T13:27:04Z) - MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution [47.850418420195304]
大規模言語モデル(LLM)はコード生成において有望であるが、GitHubの問題を解決する上で困難に直面している。
ソフトウェア進化のためにカスタマイズされた4つのエージェントからなる、GitHub Issue Resolution, MAGISのための新しいMulti-Agentフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-26T17:57:57Z) - An Empirical Study on Workflows and Security Policies in Popular GitHub
Repositories [9.048328480295224]
オープンソースプロジェクトでは、誰でもコントリビュートできるので、アクティブな継続的インテグレーションと継続的デリバリ(CI/CD)パイプラインを持つことが重要です。
これらのプロジェクトの多くはGitHubにホストされており、メンテナが自動セキュリティポリシを作成することができる。
私たちはスター数に基づいてGitHubとセキュリティポリシーを何千もの人気のあるリポジトリで測定します。
論文 参考訳（メタデータ） (2023-05-25T14:52:23Z) - 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) - 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) - GitRank: A Framework to Rank GitHub Repositories [0.0]
オープンソースリポジトリは豊富な情報を提供し、人工知能(AI)ベースのシステムの構築にますます利用されている。
このハッカソンでは、既知のコード品質測定とGrimoireLabツールキットを使用して、GitRankという名前のフレームワークを実装し、オープンソースのリポジトリを3つの異なる基準でランク付けします。
論文 参考訳（メタデータ） (2022-05-04T23:42:30Z)
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。