Fugu-MT 論文翻訳(概要): SBOM Challenges for Developers: From Analysis of Stack Overflow Questions

論文の概要: SBOM Challenges for Developers: From Analysis of Stack Overflow Questions

arxiv url: http://arxiv.org/abs/2502.03975v1
Date: Thu, 06 Feb 2025 11:08:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-07 14:33:40.872516
Title: SBOM Challenges for Developers: From Analysis of Stack Overflow Questions
Title（参考訳）: 開発者のためのSBOMチャレンジ:スタックオーバーフロー質問の分析から
Authors: Wataru Otoda, Tetsuya Kanda, Yuki Manabe, Katsuro Inoue, Yoshiki Higo,
Abstract要約: SBOMの使用に関する解決された質問の比率は15.0%であり、非常に低い。新しい質問の数は2020年から2023年にかけて着実に増えている。 SBOMユーザには、SBOMツールに3つの大きな課題がある。
参考スコア（独自算出の注目度）: 2.1122022139737426
License:
Abstract: Current software development takes advantage of many external libraries, but it entails security and copyright risks. While the use of the Software Bill of Materials (SBOM) has been encouraged to cope with this problem, its adoption is still insufficient. In this research, we analyzed the challenges that developers faced in practicing SBOM use by examining questions about SBOM utilization on Stack Overflow, a Q&A site for developers. As a result, we found that (1) the proportion of resolved questions about SBOM use is 15.0% which is extremely low, (2) the number of new questions has increased steadily from 2020 to 2023, and (3) SBOM users have three major challenges on SBOM tools.
Abstract（参考訳）: 現在のソフトウェア開発は、多くの外部ライブラリを利用するが、セキュリティと著作権のリスクが伴う。この問題に対処するためにSoftware Bill of Materials (SBOM) の使用が奨励されているが、その採用はいまだに不十分である。本研究では,開発者のQ&AサイトであるStack Overflow上で,SBOMの利用に関する質問をすることで,開発者がSBOMの使用を実践する上で直面する課題を分析した。その結果,(1) SBOM使用に関する解決された質問の割合は15.0%であり, 極めて低く, (2) 新しい質問の数は2020年から2023年にかけて着実に増加しており, (3) SBOM利用者はSBOMツールに3つの大きな課題を抱えていることがわかった。

関連論文リスト

Leveraging Online Olympiad-Level Math Problems for LLMs Training and Contamination-Resistant Evaluation [55.21013307734612]
AoPS-Instructは60,000以上の高品質QAペアのデータセットである。 LiveAoPSBenchは、最新のフォーラムデータから派生したタイムスタンプによる進化的評価セットである。我々の研究は、高度な数学推論のための大規模で高品質なデータセットの作成と維持にスケーラブルなアプローチを提示している。
論文参考訳（メタデータ） (2025-01-24T06:39:38Z)
Developer Challenges on Large Language Models: A Study of Stack Overflow and OpenAI Developer Forum Posts [2.704899832646869]
大規模言語モデル(LLM)は、様々なドメインにまたがる例外的な機能のために広く普及している。本研究は,Stack OverflowとOpenAI Developer Forum上でのコミュニティインタラクションを分析することによって,開発者の課題を調査する。
論文参考訳（メタデータ） (2024-11-16T19:38:27Z)
Benchmarking Multimodal Retrieval Augmented Generation with Dynamic VQA Dataset and Self-adaptive Planning Agent [102.31558123570437]
マルチモーダル大規模言語モデル(MLLM)に固有の「ハロシン化」問題を緩和する上で,mRAG(Multimodal Retrieval Augmented Generation)が重要な役割を果たしている。マルチモーダル検索のための自己適応型計画エージェントOmniSearchを提案する。
論文参考訳（メタデータ） (2024-11-05T09:27:21Z)
SUPER: Evaluating Agents on Setting Up and Executing Tasks from Research Repositories [55.161075901665946]
Superは、機械学習(ML)と自然言語処理(NLP)の研究リポジトリを扱う研究者が直面する現実的な課題を捉えることを目的としている。本ベンチマークでは,注釈付きエキスパートソリューションを用いたエンドツーエンド問題45,特定の課題に焦点をあてたエキスパートソリューションから導いた152,大規模開発のための602の問題を自動生成する。我々は、最先端のアプローチが、最良のモデル(GPT-4o)でこれらの問題を解決するのに苦労していることを示し、エンド・ツー・エンドの16.3%と46.1%のシナリオを解決した。
論文参考訳（メタデータ） (2024-09-11T17:37:48Z)
Reproducibility of Issues Reported in Stack Overflow Questions: Challenges, Impact & Estimation [2.2160604288512324]
ソフトウェア開発者は、コードレベルの問題を解決するために、Stack Overflow (SO)のような技術的Q&Aサイトに質問を提出することが多い。実際には、プログラミングの問題を説明するための質問付きのサンプルコードスニペットが含まれている。残念なことに、このようなコードスニペットはいくつかの未解決の課題のために常に問題を再現できなかった。
論文参考訳（メタデータ） (2024-07-13T22:55:35Z)
LiveBench: A Challenging, Contamination-Free LLM Benchmark [101.21578097087699]
最近の情報ソースから頻繁に更新された質問を含む最初のベンチマークであるLiveBenchをリリースする。我々は、多くの著名なクローズドソースモデルと、0.5Bから110Bまでの数十のオープンソースモデルを評価した。質問は毎月追加され、更新されるので、時間とともに新しいタスクとより難しいバージョンのタスクをリリースします。
論文参考訳（メタデータ） (2024-06-27T16:47:42Z)
ChatGPT vs LLaMA: Impact, Reliability, and Challenges in Stack Overflow Discussions [13.7001994656622]
ChatGPTは、プログラミングとソフトウェア開発に関する開発者のクエリのためのプレミアプラットフォームであるStack Overflowを揺るがした。 ChatGPTのリリースから2ヶ月後、MetaはLLaMAという独自のLarge Language Model (LLM)で回答を発表した。
論文参考訳（メタデータ） (2024-02-13T21:15:33Z)
BOMs Away! Inside the Minds of Stakeholders: A Comprehensive Study of Bills of Materials for Software Systems [11.719062411327952]
Software Bills of Materials (SBOM) は、ソフトウェア依存関係、脆弱性、ライセンス、サプライチェーンの管理を容易にするツールとして登場した。近年の研究では、SBOMはいまだにまだ十分に採用されていない初期の技術であることが示されている。 SBOMのコンテンツ作成と利用に直面する12の課題,SBOMツールの欠陥,SBOMのメンテナンスと検証,ドメイン固有の課題などを特定する。
論文参考訳（メタデータ） (2023-09-21T16:11:00Z)
On the Way to SBOMs: Investigating Design Issues and Solutions in Practice [25.12690604349815]
Software Bill of Materials (SBOM)は、マシン可読なソフトウェアコンポーネントの在庫を提供する、有望なソリューションとして登場した。本稿では,SBOM関連プロジェクト510件から4,786件のGitHubディスカッションの分析を行った。
論文参考訳（メタデータ） (2023-04-26T03:30:31Z)
Understanding the Usability Challenges of Machine Learning In High-Stakes Decision Making [67.72855777115772]
機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
論文参考訳（メタデータ） (2021-03-02T22:50:45Z)
OpenHoldem: An Open Toolkit for Large-Scale Imperfect-Information Game Research [82.09426894653237]
OpenHoldemは、NLTHを用いた大規模不完全情報ゲーム研究のための統合ツールキットです。 1)異なるNLTH AIを徹底的に評価するための標準化された評価プロトコル、2)NLTH AIのための3つの公的に利用可能な強力なベースライン、3)公開NLTH AI評価のための使いやすいAPIを備えたオンラインテストプラットフォーム。
論文参考訳（メタデータ） (2020-12-11T07:24:08Z)

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。