Fugu-MT 論文翻訳(概要): AlloyInEcore: Embedding of First-Order Relational Logic into Meta-Object Facility for Automated Model Reasoning

論文の概要: AlloyInEcore: Embedding of First-Order Relational Logic into Meta-Object Facility for Automated Model Reasoning

arxiv url: http://arxiv.org/abs/2403.02652v1
Date: Tue, 5 Mar 2024 04:49:21 GMT
ステータス: 処理完了
システム内更新日: 2024-03-06 16:09:12.616137
Title: AlloyInEcore: Embedding of First-Order Relational Logic into Meta-Object Facility for Automated Model Reasoning
Title（参考訳）: AlloyInEcore: 自動モデル推論のためのメタオブジェクト施設への一階関係論理の埋め込み
Authors: Ferhat Erata, Arda Goknil, Ivan Kurtev, Bedir Tekinerdogan
Abstract要約: AlloyInEcoreは静的セマンティクスでメタモデルを指定するツールである。自動車分野における3つの産業ケーススタディで評価されている。
参考スコア（独自算出の注目度）: 4.732769742263469
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present AlloyInEcore, a tool for specifying metamodels with their static semantics to facilitate automated, formal reasoning on models. Software development projects require that software systems be specified in various models (e.g., requirements models, architecture models, test models, and source code). It is crucial to reason about those models to ensure the correct and complete system specifications. AlloyInEcore allows the user to specify metamodels with their static semantics, while, using the semantics, it automatically detects inconsistent models, and completes partial models. It has been evaluated on three industrial case studies in the automotive domain (https://modelwriter.github.io/AlloyInEcore/).
Abstract（参考訳）: AlloyInEcoreは静的なセマンティクスでメタモデルを指定するツールで、モデルの自動的形式推論を容易にする。ソフトウェア開発プロジェクトでは,ソフトウェアシステムをさまざまなモデル(要件モデル,アーキテクチャモデル,テストモデル,ソースコードなど)で指定する必要がある。正しいシステム仕様と完全なシステム仕様を保証するために、これらのモデルを推論することが重要です。 AlloyInEcoreを使うと、静的なセマンティクスでメタモデルを指定することができ、セマンティクスを使って自動的に一貫性のないモデルを検出し、部分的なモデルを完成させる。自動車分野における3つの産業ケーススタディで評価されている(https://modelwriter.github.io/alloyinecore/)。

関連論文リスト

Apple Intelligence Foundation Language Models [109.60033785567484]
本報告では、モデルアーキテクチャ、モデルトレーニングに使用されるデータ、トレーニングプロセス、評価結果について述べる。私たちは、Responsible AIと、モデル開発全体を通して原則がどのように適用されているかに重点を置いています。
論文参考訳（メタデータ） (2024-07-29T18:38:49Z)
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)
Aligning Models with Their Realization through Model-based Systems Engineering [0.0]
本稿では,モデルに基づくシステム工学の適用を通じて,モデルとそれらの実現を整合させる手法を提案する。私たちのアプローチは、モデルと実装をよりシームレスに統合し、ビジネスとITの整合性を高めます。
論文参考訳（メタデータ） (2024-06-18T06:50:36Z)
EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
論文参考訳（メタデータ） (2024-05-23T05:25:45Z)
Fine-Tuning Enhances Existing Mechanisms: A Case Study on Entity Tracking [53.66999416757543]
本研究では,微調整が言語モデルに実装された内部メカニズムに与える影響について検討する。微調整はモデルの機械的操作を変えるのではなく、強化する。
論文参考訳（メタデータ） (2024-02-22T18:59:24Z)
ModelScope-Agent: Building Your Customizable Agent System with Open-source Large Language Models [74.64651681052628]
本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
論文参考訳（メタデータ） (2023-09-02T16:50:30Z)
MGit: A Model Versioning and Management System [7.2678752235785735]
MGitはモデルバージョニングと管理システムであり、モデルデリバティブの保存、テスト、更新、コラボレーションを容易にする。 MGitは、ライングラフのストレージフットプリントを最大7倍に削減し、アップストリームモデルの更新に応じて、ダウンストリームモデルを自動的に更新する。
論文参考訳（メタデータ） (2023-07-14T17:56:48Z)
Towards an Automatic Optimisation Model Generator Assisted with Generative Pre-trained Transformer [0.0]
本稿では,事前学習した生成変換器を用いて最適化モデルを生成するフレームワークを提案する。このフレームワークは、最適化モデルが持つべき機能を定義し、言語モデルを使用してモデルの初期バージョンを生成する。
論文参考訳（メタデータ） (2023-05-09T23:51:14Z)
What Language Model Architecture and Pretraining Objective Work Best for Zero-Shot Generalization? [50.84738303888189]
本稿では,モデル選択の大規模評価とそのゼロショット一般化への影響について述べる。私たちは、70億以上のトークンに対して、50億以上のパラメータを持つモデルをトレーニングします。事前学習した因果デコーダモデルを非因果デコーダモデルに効率的に適用できることが判明した。
論文参考訳（メタデータ） (2022-04-12T14:19:49Z)
Recommending Metamodel Concepts during Modeling Activities with Pre-Trained Language Models [0.0]
複数のモデリングシナリオにおいて関連ドメインの概念を推奨することにより、メタモデルの設計においてモデラーを支援するアプローチを提案する。私たちのアプローチでは、ドメインから知識を抽出したり、完了ルールを手作業で設計する必要はありません。モデルトレーニング中に見つからない166のメタモデルを含むテストセットに対するアプローチを5000以上のテストサンプルを用いて評価した。
論文参考訳（メタデータ） (2021-04-04T16:29:10Z)
Scalable Deployment of AI Time-series Models for IoT [0.7169734491710924]
IBM Research Castorは、IoTアプリケーションで時系列モデルを管理およびデプロイするためのクラウドネイティブシステムである。モデルテンプレートはセマンティックな概念の特定のインスタンスに対してデプロイできる。実世界のスマートグリッドライブ予測アプリケーションのデプロイ結果が報告されている。
論文参考訳（メタデータ） (2020-03-24T14:27:25Z)

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。