論文の概要: Detection, Classification and Prevalence of Self-Admitted Aging Debt

• arxiv url: http://arxiv.org/abs/2504.17428v1
• Date: Thu, 24 Apr 2025 10:38:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.333724
• Title: Detection, Classification and Prevalence of Self-Admitted Aging Debt
• Title（参考訳）: 自己付加型老化負債の検出, 分類, 有病率
• Authors: Murali Sridharan, Mika Mäntylä, Leevi Rantala,
• Abstract要約: ソフトウェアをアップデートし続けるために必要なメンテナンス作業とコストの増加を代表して、Aging Debt(AD)の概念を紹介します。 我々は,ソフトウェア開発者が残したソースコードコメントで観察した自己適応型老化負債を通じてADについて検討した。 提案する分類法は,時間的ソフトウェア老化をアクティブ型と休眠型に分類する。
• 参考スコア（独自算出の注目度）: 1.8024397171920885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context: Previous research on software aging is limited with focus on dynamic runtime indicators like memory and performance, often neglecting evolutionary indicators like source code comments and narrowly examining legacy issues within the TD context. Objective: We introduce the concept of Aging Debt (AD), representing the increased maintenance efforts and costs needed to keep software updated. We study AD through Self-Admitted Aging Debt (SAAD) observed in source code comments left by software developers. Method: We employ a mixed-methods approach, combining qualitative and quantitative analyses to detect and measure AD in software. This includes framing SAAD patterns from the source code comments after analysing the source code context, then utilizing the SAAD patterns to detect SAAD comments. In the process, we develop a taxonomy for SAAD that reflects the temporal aging of software and its associated debt. Then we utilize the taxonomy to quantify the different types of AD prevalent in OSS repositories. Results: Our proposed taxonomy categorizes temporal software aging into Active and Dormant types. Our extensive analysis of over 9,000+ Open Source Software (OSS) repositories reveals that more than 21% repositories exhibit signs of SAAD as observed from our gold standard SAAD dataset. Notably, Dormant AD emerges as the predominant category, highlighting a critical but often overlooked aspect of software maintenance. Conclusion: As software volume grows annually, so do evolutionary aging and maintenance challenges; our proposed taxonomy can aid researchers in detailed software aging studies and help practitioners develop improved and proactive maintenance strategies.
• Abstract（参考訳）: コンテキスト: ソフトウェア老化に関するこれまでの研究は、メモリやパフォーマンスなどの動的ランタイムインジケータ、ソースコードコメントのような進化的インジケータを無視したり、TDコンテキスト内のレガシーな問題を狭義に調べたりするなど、限定的だった。 目的: ソフトウェアを更新し続けるために必要なメンテナンス作業とコストの増加を表す、Aging Debt(AD)の概念を紹介します。 我々は、ソフトウェア開発者が残したソースコードコメントにみられる自己適応型老化負債(SAAD)を通してADを調査する。 方法: ソフトウェアにおけるADの検出・測定に定性分析と定量的分析を組み合わせた混合手法を用いる。 ソースコードのコンテキストを分析した後、ソースコードコメントからSAADパターンをフレーミングし、SAADパターンを使用してSAADコメントを検出する。 その過程で,ソフトウェアとその関連負債の経時的高齢化を反映したSAADの分類法を開発した。 次に,OSSレポジトリで広く普及しているADの種類を定量化するために分類を利用する。 結果: 提案する分類法は, 時間的ソフトウェア老化をアクティブ型と休眠型に分類する。 9000以上のオープンソースソフトウェア(OSS)リポジトリを広範囲に分析した結果、21%以上のリポジトリが、私たちのゴールドスタンダードSAADデータセットから観察されたSAADの兆候を示しています。 特に、Dormant ADが主要なカテゴリとして登場し、ソフトウェアメンテナンスの重要かつ見落とされがちな側面を強調します。 結論: ソフトウェアボリュームが年々増加するにつれて、進化的老朽化やメンテナンスの課題が発生します。

関連論文リスト

• Thinking Longer, Not Larger: Enhancing Software Engineering Agents via Scaling Test-Time Compute [61.00662702026523]
  より大規模なモデルではなく、推論時間の増加を活用する統合されたテスト時間計算スケーリングフレームワークを提案する。 当社のフレームワークには,内部TTCと外部TTCの2つの補完戦略が組み込まれている。 当社の textbf32B モデルは,DeepSeek R1 671B や OpenAI o1 など,はるかに大きなモデルを上回る 46% の課題解決率を実現している。
  論文  参考訳（メタデータ） (2025-03-31T07:31:32Z)
• DARS: Dynamic Action Re-Sampling to Enhance Coding Agent Performance by Adaptive Tree Traversal [55.13854171147104]
  大規模言語モデル(LLM)は、自然言語処理、データ分析、ソフトウェア開発など、さまざまな領域に革命をもたらした。 符号化エージェントのための新しい推論時間計算スケーリングアプローチである動的アクション再サンプリング(DARS)を提案する。 我々は、SWE-Bench Liteベンチマークに対する我々のアプローチを評価し、このスケーリング戦略がClude 3.5 Sonnet V2で55%のパス@kスコアを達成したことを実証した。
  論文  参考訳（メタデータ） (2025-03-18T14:02:59Z)
• LogicAD: Explainable Anomaly Detection via VLM-based Text Feature Extraction [4.959108380494595]
  自動回帰マルチモーダル視覚言語モデル(AVLM)は、視覚的推論における異常なパフォーマンスのために、将来的な代替手段を提供する。 本研究では,AVLMを用いて論理的異常検出を行い,その課題に適していることを示す。 我々は、AUROCが86.4%、F1-maxが83.7%の公開ベンチマークであるMVTec LOCO ADにおいて、異常の説明とともにSOTA性能を達成する。
  論文  参考訳（メタデータ） (2025-01-03T11:40:41Z)
• Improving the detection of technical debt in Java source code with an enriched dataset [12.07607688189035]
  技術的負債(Technical debt, TD)とは、開発者が問題に対して迅速かつ簡単なソリューションを選択すると、追加の作業とコストが発生すること。 近年の研究では、ソースコードに埋め込まれたコメントを分析することで、SATD(Self-Admitted Technical Debts)の検出に焦点が当てられている。 コードコメントによって識別された最初のTDデータセットを、関連するソースコードとともにキュレートしました。
  論文  参考訳（メタデータ） (2024-11-08T10:12:33Z)
• Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。 本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-16T09:06:44Z)
• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• Causal Reasoning in Software Quality Assurance: A Systematic Review [11.887059800587672]
  本研究は、SQAの因果推論に関する科学的文献の体系的なレビューを提供する。 障害のローカライゼーションは、特にWebサービス/マイクロサービスドメインにおいて、因果推論をより活用するアクティビティである。 アプリケーションを好むツールは急速に現れており、そのほとんどが2021年以降です。
  論文  参考訳（メタデータ） (2024-08-30T10:34:11Z)
• SIaM: Self-Improving Code-Assisted Mathematical Reasoning of Large Language Models [54.78329741186446]
  本稿では,コードに基づく批判モデルを用いて,質問コードデータ構築,品質管理,補完的評価などのステップをガイドする新しいパラダイムを提案する。 英語と中国語におけるドメイン内ベンチマークとドメイン外ベンチマークの両方の実験は、提案したパラダイムの有効性を実証している。
  論文  参考訳（メタデータ） (2024-08-28T06:33:03Z)
• Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
  本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。 提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。 Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• Self-Admitted Technical Debt Detection Approaches: A Decade Systematic Review [5.670597842524448]
  技術的負債 (Technical debt, TD) とは、ソフトウェア開発において、最適な設計やコード決定に関連する長期的なコストを表す用語である。 開発者がこれらのトレードオフを明確に認めると、SATD(Self-Admitted Technical Debt)が発生する。 SATDの自動検出は、ますます重要な研究領域となっている。
  論文  参考訳（メタデータ） (2023-12-19T12:01:13Z)
• Static Code Analysis in the AI Era: An In-depth Exploration of the Concept, Function, and Potential of Intelligent Code Analysis Agents [2.8686437689115363]
  我々は、AIモデル、エンジニアリングプロセス設計、従来の非AIコンポーネントを組み合わせた新しい概念である、Intelligent Code Analysis Agent (ICAA)を紹介する。 我々は、バグ検出精度を大幅に改善し、偽陽性率は基準値の85%から66%まで減少し、60.8%の有望なリコール率を得た。 この課題にもかかわらず、ICAAはソフトウェアの品質保証に革命をもたらす可能性を示唆している。
  論文  参考訳（メタデータ） (2023-10-13T03:16:58Z)
• Active Feature Acquisition with Generative Surrogate Models [11.655069211977464]
  本研究では,アクティブ機能獲得(AFA)を行うモデルについて検討し,未観測機能に対する環境問合せを行う。 我々の研究は、AFA問題を生成的モデリングタスクとして根底にあるマルコフ決定プロセス(MDP)を再構築する。 本稿では,入力特徴間の依存関係を捕捉し,取得から得られる潜在的な情報を評価する生成代理モデル(GSM)の学習を提案する。
  論文  参考訳（メタデータ） (2020-10-06T02:10:06Z)
• A Survey of Deep Active Learning [54.376820959917005]
  アクティブラーニング(AL)は、最も少ないサンプルをマークすることで、モデルの性能向上を最大化しようとする。 ディープラーニング(DL)はデータに対して欲張りであり、大量のパラメータを最適化するために大量のデータ供給を必要とする。 ディープラーニング(Deep Active Learning, DAL)が誕生した。
  論文  参考訳（メタデータ） (2020-08-30T04:28:31Z)

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。