論文の概要: A Systematic Literature Review on a Decade of Industrial TLA+ Practice
- arxiv url: http://arxiv.org/abs/2411.13722v1
- Date: Wed, 20 Nov 2024 21:55:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:20:11.014318
- Title: A Systematic Literature Review on a Decade of Industrial TLA+ Practice
- Title(参考訳): 産業TLA+実践の10年を振り返って
- Authors: Roman Bögli, Leandro Lerena, Christos Tsigkanos, Timo Kehrer,
- Abstract要約: TLA+は、システムの設計、モデリング、文書化、検証に使用される正式な仕様言語である。
研究コミュニティから大きな関心が寄せられているが、実際にはTLA+エコシステムの利用に関する知識は乏しい。
- 参考スコア(独自算出の注目度): 1.4167905967389884
- License:
- Abstract: TLA+ is a formal specification language used for designing, modeling, documenting, and verifying systems through model checking. Despite significant interest from the research community, knowledge about usage of the TLA+ ecosystem in practice remains scarce. Industry reports suggest that software engineers could benefit from insights, innovations, and solutions to the practical challenges of TLA+. This paper explores this development by conducting a systematic literature review of TLA+'s industrial usage over the past decade. We analyze the trend in industrial application, characterize its use, examine whether its promised benefits resonate with practitioners, and identify challenges that may hinder further adoption.
- Abstract(参考訳): TLA+は、モデルチェックを通じてシステムの設計、モデリング、文書化、検証に使用される正式な仕様言語である。
研究コミュニティから大きな関心が寄せられているが、実際にはTLA+エコシステムの利用に関する知識は乏しい。
業界レポートは、TLA+の実践的課題に対する洞察、イノベーション、解決策から、ソフトウェアエンジニアが恩恵を受けることを示唆している。
本稿では,過去10年間のTLA+産業利用に関する体系的な文献レビューを行い,その展開を考察する。
産業応用のトレンドを分析し、その利用を特徴付け、その約束された利益が実践者と共鳴するかどうかを調べ、さらなる採用を妨げる可能性のある課題を特定する。
関連論文リスト
- The Application of Large Language Models in Recommendation Systems [0.0]
大規模言語モデルは、非構造化データソースへのレコメンデーションフレームワークの利用を可能にする強力なツールである。
本稿では,レコメンデーションシステム,特に電子商取引,ソーシャルメディアプラットフォーム,ストリーミングサービス,教育技術におけるLLMの適用について論じる。
論文 参考訳(メタデータ) (2025-01-04T04:02:23Z) - Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond [41.08716571288641]
本論では,本質的なレコメンデーションに端を発する新しい分類法を紹介する。
本稿では,レコメンデーションシステムの発達過程をより正確に反映した3層構造を提案する。
論文 参考訳(メタデータ) (2024-10-10T08:22:04Z) - LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。
オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-07T04:00:30Z) - Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis [91.5632751731927]
ChatGPTのような大規模言語モデルは、一般的なタスクを解く際、顕著な能力を示した。
本稿では,レコメンデーションタスクにおけるLLMの活用のための汎用フレームワークを提案し,レコメンデーションタスクとしてのLLMの機能に着目した。
提案手法は,提案手法が推薦結果に与える影響を解析し,提案手法とモデルアーキテクチャ,パラメータスケール,コンテキスト長について検討する。
論文 参考訳(メタデータ) (2024-01-10T08:28:56Z) - Semantic Association Rule Learning from Time Series Data and Knowledge
Graphs [1.5607572410953625]
本稿では,知識グラフ(KG)と時系列データを用いたDigital Twins(DT)のセマンティックアソシエーションルール学習のためのパイプラインを提案する。
この手法は産業用水道網のシナリオで評価される。
論文 参考訳(メタデータ) (2023-10-11T09:57:56Z) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳(メタデータ) (2023-07-05T06:03:40Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z) - Applying Standards to Advance Upstream & Downstream Ethics in Large
Language Models [0.0]
本稿では,AIが生成するコンテンツの保護をAI所有者がいかに開発できるかを考察する。
他のコンテンツ制作業界では、行動規範や倫理基準が確立されている。
論文 参考訳(メタデータ) (2023-06-06T08:47:42Z) - A Survey on Large Language Models for Recommendation [77.91673633328148]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。
本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
論文 参考訳(メタデータ) (2023-05-31T13:51:26Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳(メタデータ) (2021-05-31T01:02:59Z)
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。