論文の概要: Pricing4APIs: A Rigorous Model for RESTful API Pricings
- arxiv url: http://arxiv.org/abs/2311.12485v1
- Date: Tue, 21 Nov 2023 09:57:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 01:20:57.136839
- Title: Pricing4APIs: A Rigorous Model for RESTful API Pricings
- Title（参考訳）: Pricing4APIs: RESTful API価格の厳格なモデル
- Authors: Rafael Fresno-Aranda, Pablo Fernandez, Antonio Gamez-Diaz, Amador
Duran, Antonio Ruiz-Cortes
- Abstract要約: OpenAPI Specification(OAS)はAPIの機能部分をモデル化するために登場し、事実上の業界標準となった。
APIの価格をモデル化する提案はなく、この欠如により、この情報を活用するツールの開発が妨げられている。
a)API価格の包括的かつ厳密なモデルであるPricecing4APIsモデルと,OASを拡張したシリアライゼーションSLA4OAI,(b)API価格の記述を検証するためのツールセット(sla4oai-analyzer)を備えた,価格モデリングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.18472148461613158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: APIs are increasingly becoming new business assets for organizations and
consequently, API functionality and its pricing should be precisely defined for
customers. Pricing is typically composed by different plans that specify a
range of limitations, e.g., a Free plan allows 100 monthly requests while a
Gold plan has 10000 requests per month. In this context, the OpenAPI
Specification (OAS) has emerged to model the functional part of an API,
becoming a de facto industry standard and boosting a rich ecosystem of
vendor-neutral tools to assist API providers and consumers. In contrast, there
is no proposal for modeling API pricings (i.e. their plans and limitations) and
this lack hinders the creation of tools that can leverage this information. To
deal with this gap, this paper presents a pricing modeling framework that
includes: (a) Pricing4APIs model, a comprehensive and rigorous model of API
pricings, along SLA4OAI, a serialization that extends OAS; (b) an operation to
validate the description of API pricings, with a toolset (sla4oai-analyzer)
that has been developed to automate this operation. Additionally, we analyzed
268 real-world APIs to assess the expressiveness of our proposal and created a
representative dataset of 54 pricing models to validate our framework.
- Abstract（参考訳）: APIは組織の新たなビジネス資産になりつつあり、その結果、API機能とその価格が顧客に正確に定義されるべきである。
例えば、フリープランは100ヶ月のリクエストを許可し、ゴールドプランは1ヶ月に10000のリクエストを持つ。
この文脈において、OpenAPI Specification(OAS)はAPIの機能的な部分をモデル化し、デファクト業界標準となり、APIプロバイダやコンシューマを支援するためのベンダ中立ツールのエコシステムを充実させています。
対照的に、API価格(すなわち、その計画と制限)をモデル化する提案はなく、この不足は、この情報を活用するツールの作成を妨げる。
このギャップに対処するために,本稿では価格モデリングフレームワークを提案する。
(a)API価格の包括的かつ厳密なモデルであるPricecing4APIsモデルと、OASを拡張するシリアライゼーションであるSLA4OAI
b) この操作を自動化するために開発されたツールセット(sla4oai-analyzer)を用いて,API価格の記述を検証する操作。
さらに,提案の表現力を評価するために268個の実世界のapiを分析し,54種類の価格モデルの代表的なデータセットを作成した。
関連論文リスト
- SEAL: Suite for Evaluating API-use of LLMs [1.2528321519119252]
SEALは、現実世界のAPI使用時に大きな言語モデルを評価するように設計されたエンドツーエンドのテストベッドである。
既存のベンチマークを標準化し、API検索と計画をテストするエージェントシステムを統合し、リアルタイムAPIの不安定性に対処する。
論文 参考訳（メタデータ） (2024-09-23T20:16:49Z) - A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
API提案は、現代のソフトウェア開発において重要なタスクである。
大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
論文 参考訳（メタデータ） (2024-09-20T03:12:35Z) - ToolACE: Winning the Points of LLM Function Calling [139.07157814653638]
ToolACEは、正確で複雑で多様なツール学習データを生成するように設計された自動エージェントパイプラインである。
我々は、合成データに基づいてトレーニングされたモデルが、8Bパラメータだけで、バークレー・ファンクション・カリング・リーダーボード上で最先端のパフォーマンスを達成することを実証した。
論文 参考訳（メタデータ） (2024-09-02T03:19:56Z) - Enabling Communication via APIs for Mainframe Applications [4.872049174955585]
レガシーなメインフレームアプリケーションのためのAPIを作成するための新しいフレームワークを提案する。
このアプローチでは、トランザクション、スクリーン、制御フローブロック、マイクロサービス間コール、ビジネスルール、データアクセスなどのアーティファクトをコンパイルすることで、APIを識別します。
ライブやリーチ定義のような静的解析を使ってコードをトラバースし、APIシグネチャを自動的に計算します。
論文 参考訳（メタデータ） (2024-08-08T05:35:36Z) - FANTAstic SEquences and Where to Find Them: Faithful and Efficient API Call Generation through State-tracked Constrained Decoding and Reranking [57.53742155914176]
APIコール生成は、大規模言語モデルのツール使用能力の基盤となっている。
既存の教師付きおよびコンテキスト内学習アプローチは、高いトレーニングコスト、低いデータ効率、APIドキュメントとユーザの要求に反する生成APIコールに悩まされる。
本稿では,これらの制約に対処するため,FANTASEと呼ばれる出力側最適化手法を提案する。
論文 参考訳（メタデータ） (2024-07-18T23:44:02Z) - WorldAPIs: The World Is Worth How Many APIs? A Thought Experiment [49.00213183302225]
本稿では, wikiHow 命令をエージェントの配置ポリシーに基礎付けることで, 新たな API を創出するフレームワークを提案する。
大規模言語モデル (LLM) の具体化計画における近年の成功に触発されて, GPT-4 のステアリングを目的とした数発のプロンプトを提案する。
論文 参考訳（メタデータ） (2024-07-10T15:52:44Z) - ShortcutsBench: A Large-Scale Real-world Benchmark for API-based Agents [7.166156709980112]
我々は、APIベースのエージェントの包括的な評価のための大規模なベンチマークであるtextscShortcutsBenchを紹介する。
textscShortcutsBenchには、Apple Inc.のオペレーティングシステムから多くの真のAPIが含まれている。
評価の結果,APIの選択やパラメータの充足,システムやユーザからの必要な情報要求など,複雑なクエリを扱う上での重大な制限が明らかになった。
論文 参考訳（メタデータ） (2024-06-28T08:45:02Z) - Model-driven realization of IDTA submodel specifications: The good, the bad, the incompatible? [49.60138105915326]
アセット・マネジメント・シェルは産業4.0でトレンドになっている。
2024年2月、インダストリアル・デジタル・ツイン・アソシエーション (Industrial Digital Twin Association) は84と18のASサブモデル仕様を発表した。
本稿では、IDTA仕様から抽出した情報を中間メタモデルに変換し、そこからAPIコードとテストを生成するモデル駆動型アプローチを提案する。
論文 参考訳（メタデータ） (2024-06-20T16:33:46Z) - Octopus: On-device language model for function calling of software APIs [9.78611123915888]
大きな言語モデル(LLM)は、高度なテキスト処理と生成能力のために重要な役割を果たす。
本研究は,ソフトウェアAPIの起動において,デバイス上でのLCMを活用するための新たな戦略を提案する。
論文 参考訳（メタデータ） (2024-04-02T01:29:28Z) - Continual Learning From a Stream of APIs [90.41825351073908]
継続学習(CL)は、以前のタスクを忘れずに新しいタスクを学習することを目的としている。
既存のCLメソッドは大量の生データを必要とするが、著作権上の考慮とプライバシー上のリスクのために利用できないことが多い。
本稿では,データ効率CL (DECL-APIs) とデータフリーCL (DFCL-APIs) の2つの実践的yet-novel CL設定について考察する。
論文 参考訳（メタデータ） (2023-08-31T11:16:00Z)
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。