Fugu-MT 論文翻訳(概要): Low-Modeling of Software Systems

論文の概要: Low-Modeling of Software Systems

arxiv url: http://arxiv.org/abs/2402.18375v1
Date: Wed, 28 Feb 2024 14:50:27 GMT
ステータス: 処理完了
システム内更新日: 2024-02-29 14:46:39.204849
Title: Low-Modeling of Software Systems
Title（参考訳）: ソフトウェアシステムの低モデリング
Authors: Jordi Cabot
Abstract要約: 新しいタイプのユーザインターフェース、インテリジェントなコンポーネントの必要性、持続可能性に関する懸念、...私たちが対処しなければならない新しい課題をもたらします。本稿では,現在のモデル駆動工学技術を強化するためのソリューションとして,低モデリングの概念を提案する。
参考スコア（独自算出の注目度）: 2.3170227013988947
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: There is a growing need for better development methods and tools to keep up with the increasing complexity of new software systems. New types of user interfaces, the need for intelligent components, sustainability concerns, ... bring new challenges that we need to handle. In the last years, model-driven engineering has been key to improving the quality and productivity of software development, but models themselves are becoming increasingly complex to specify and manage. In this paper, we present the concept of low-modeling as a solution to enhance current model-driven engineering techniques and get them ready for this new generation of software systems.
Abstract（参考訳）: 新しいソフトウェアシステムの複雑さの増大に追従するため、より良い開発方法やツールの必要性が高まっています。新しいタイプのユーザインターフェース、インテリジェントなコンポーネントの必要性、持続可能性に関する懸念... 対処しなければならない新たな課題をもたらします。過去数年間、モデル駆動エンジニアリングはソフトウェア開発の品質と生産性を改善するための鍵だったが、モデル自体の特定と管理がますます複雑になっている。本稿では,現行のモデル駆動工学技術を強化し,次世代のソフトウェアシステムに対応するためのソリューションとして,低モデリングの概念を提案する。

関連論文リスト

Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。 Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文参考訳（メタデータ） (2024-11-01T14:27:16Z)
Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文参考訳（メタデータ） (2024-10-28T13:03:09Z)
Next-Gen Software Engineering: AI-Assisted Big Models [0.0]
本稿では,ソフトウェア工学におけるモデルとAIの合成を容易にすることを目的とする。本稿では,AI支援ソフトウェア工学の現状について概説する。 SEにおけるAI支援ビッグデータのビジョンは、両方のアプローチに固有のアドバンテージを活用することを目的としている。
論文参考訳（メタデータ） (2024-09-26T16:49:57Z)
Contemporary Software Modernization: Perspectives and Challenges to Deal with Legacy Systems [48.33168695898682]
2000年代初頭に研究テーマとして「ソフトウェア近代化」が登場した。文学では膨大な量の著作があるにもかかわらず、かなりの限界がある。
論文参考訳（メタデータ） (2024-07-04T15:49:52Z)
Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文参考訳（メタデータ） (2024-06-24T15:45:22Z)
Reusable MLOps: Reusable Deployment, Reusable Infrastructure and Hot-Swappable Machine Learning models and services [0.0]
私たちは、Reusable MLOpsと呼ばれるAI/MLオペレーションの分野で、持続可能な新しい概念を紹介します。既存のデプロイメントとインフラストラクチャを再利用して、インフラストラクチャやマイクロサービスを分解することなく、それらをホットスワッピングすることで、新しいモデルを提供しています。
論文参考訳（メタデータ） (2024-02-19T23:40:46Z)
Prompted Software Engineering in the Era of AI Models [1.450405446885067]
本稿では、言語ベースのAIモデルのための効果的なプロンプトを構築するために、プロンプトエンジニアリングを統合した、プロンプトソフトウェアエンジニアリング(PSE)を紹介する。 PSEは、ソフトウェア開発にAIモデルを使用することで、少ないリソースで高品質なソフトウェアを生産し、面倒なタスクを自動化し、開発者がより革新的な側面に集中できるようにする。
論文参考訳（メタデータ） (2023-09-07T20:40:04Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文参考訳（メタデータ） (2021-11-16T18:42:50Z)
Data-Driven and SE-assisted AI Model Signal-Awareness Enhancement and Introspection [61.571331422347875]
モデルの信号認識性を高めるためのデータ駆動型手法を提案する。コード複雑性のSE概念とカリキュラム学習のAIテクニックを組み合わせる。モデル信号認識における最大4.8倍の改善を実現している。
論文参考訳（メタデータ） (2021-11-10T17:58:18Z)
Machine Learning Model Development from a Software Engineering Perspective: A Systematic Literature Review [0.0]
データサイエンティストは、しばしば、業界やアカデミーの様々な問題を解決するために機械学習モデルを開発した。本稿では,ソフトウェア工学の観点からMLモデルの開発において生じる課題と実践について考察する。
論文参考訳（メタデータ） (2021-02-15T14:25:13Z)

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。