論文の概要: Extension Decisions in Open Source Software Ecosystem

• arxiv url: http://arxiv.org/abs/2507.23168v1
• Date: Thu, 31 Jul 2025 00:39:32 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-08-01 13:49:06.037282
• Title: Extension Decisions in Open Source Software Ecosystem
• Title（参考訳）: オープンソースソフトウェアエコシステムにおける拡張決定
• Authors: Elmira Onagh, Maleknaz Nayebi,
• Abstract要約: GitHub Marketplaceは毎年約41%拡大している。 多くの新しいツールが既存の機能を複製している。 プラットフォームで最大のセグメントである継続的インテグレーションで、この現象を研究します。
• 参考スコア（独自算出の注目度）: 2.5475486924467075
• License:
• Abstract: GitHub Marketplace is expanding by approximately 41% annually, with new tools; however, many additions replicate existing functionality. We study this phenomenon in the platform's largest segment, Continuous Integration (CI), by linking 6,983 CI Actions to 3,869 providers and mining their version histories. Our graph model timestamps every functionality's debut, tracks its adoption, and clusters redundant tools. We find that approximately 65% of new CI Actions replicate existing capabilities, typically within six months, and that a small set of first-mover Actions accounts for most subsequent forks and extensions. These insights enable developers to choose the optimal moment to launch, target unmet functionality, and help maintainers eliminate redundant tools. We publish the complete graph and dataset to encourage longitudinal research on innovation and competition in software ecosystems, and to provide practitioners with a data-driven roadmap for identifying emerging trends and guiding product strategy.
• Abstract（参考訳）: GitHub Marketplaceは毎年約41%拡張されており、新しいツールもあるが、多くの追加が既存の機能を複製している。 6,983のCIアクションを3,869のプロバイダにリンクし、そのバージョン履歴をマイニングすることで、プラットフォーム最大のセグメントである継続的インテグレーション(CI)でこの現象を研究します。 私たちのグラフモデルは、すべての機能のデビューをタイムスタンプし、採用を追跡し、冗長なツールをクラスタ化する。 新たなCI Actionの約65%が、通常は6ヶ月以内に、既存の機能を複製していることが分かりました。 これらの洞察により、開発者は起動する最適な瞬間を選択し、アンメット機能をターゲットにし、メンテナが冗長なツールを排除するのに役立つ。 ソフトウェアエコシステムにおけるイノベーションと競争に関する縦断的な研究を促進するために、完全なグラフとデータセットを公開し、新たなトレンドを特定し、製品戦略を導くための、データ駆動のロードマップを実践者に提供します。

関連論文リスト

• Benchmarking Recommendation, Classification, and Tracing Based on Hugging Face Knowledge Graph [17.251910893293626]
  HuggingKGは、MLリソース管理のためにHugging Faceコミュニティから構築された最初の大規模知識グラフである。 2.60万のノードと620万のエッジを持つHuggingKGは、ドメイン固有の関係とリッチテキスト属性をキャプチャする。 HuggingBenchは、リソースレコメンデーション、分類、トレースを含む、IRタスク用の3つの新しいテストコレクションを備えたマルチタスクベンチマークである。
  論文  参考訳（メタデータ） (2025-05-23T06:00:20Z)
• Towards a Classification of Open-Source ML Models and Datasets for Software Engineering [52.257764273141184]
  オープンソースの事前訓練モデル(PTM)とデータセットは、さまざまな機械学習(ML)タスクに広範なリソースを提供する。 これらのリソースには、ソフトウェア工学(SE)のニーズに合わせた分類がない。 我々は、人気のあるオープンソースのMLリポジトリであるHugging Face (HF)上で、SE指向の分類をPTMとデータセットに適用し、時間とともにPTMの進化を分析する。
  論文  参考訳（メタデータ） (2024-11-14T18:52:05Z)
• Building Math Agents with Multi-Turn Iterative Preference Learning [56.71330214021884]
  本稿では,モデル性能をさらに向上させるために,補完的な直接選好学習手法について検討する。 既存の直接選好学習アルゴリズムは、もともとシングルターンチャットタスク用に設計されている。 この文脈に合わせたマルチターン直接選好学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-04T02:41:04Z)
• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• Revolutionizing Retail Analytics: Advancing Inventory and Customer Insight with AI [0.0]
  本稿では,最先端機械学習技術を活用した革新的なアプローチを提案する。 我々は、これらの技術を活用して小売効率と顧客エンゲージメントを向上させる、高度なスマート小売分析システム(SRAS)の構築を目指している。
  論文  参考訳（メタデータ） (2024-02-24T11:03:01Z)
• TSPP: A Unified Benchmarking Tool for Time-series Forecasting [3.5415344166235534]
  本稿では,時系列予測モデルの開発に係わる重要なモデリングと機械学習の決定を明らかにする,統一的なベンチマークフレームワークを提案する。 このフレームワークは、モデルとデータセットのシームレスな統合を促進し、実践者と研究者の両方が開発作業を支援する。 このフレームワーク内で最近提案されたモデルをベンチマークし、最小限の努力で注意深く実装されたディープラーニングモデルは、勾配決定木に匹敵する可能性があることを実証した。
  論文  参考訳（メタデータ） (2023-12-28T16:23:58Z)
• Toolink: Linking Toolkit Creation and Using through Chain-of-Solving on Open-Source Model [44.504533003047996]
  Toolinkは総合的なフレームワークで、まずツールキットを作成し、次にチェーン・オブ・ソルディング・アプローチを通じてツールの計画と呼び出しを統合することでタスク解決を行います。 LLaMA-CoSは高度なツールプランニングとツールコール機能を備えた強力なオープンソースモデルである。
  論文  参考訳（メタデータ） (2023-10-08T13:07:42Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)
• Time for aCTIon: Automated Analysis of Cyber Threat Intelligence in the Wild [2.4669630540735215]
  サイバー脅威インテリジェンス(CTI)は、リスクの評価と組織のセキュリティ向上に重要な役割を果たしている。 既存の構造化CTI抽出ツールには性能制限がある。 我々はこれらのギャップを埋め、新しい大きなオープンベンチマークデータセットと構造化されたCTI情報抽出ツールであるaCTIonを提供する。
  論文  参考訳（メタデータ） (2023-07-14T13:43:16Z)
• Combining Individual and Joint Networking Behavior for Intelligent IoT Analytics [4.6503958614029415]
  何百万ものデバイスを取り入れた産業用IoTでは、従来の管理方法はうまくスケールしない。 本研究では、IoTデバイス管理のための新しいツールであるIoTelligentの基礎となる、一連の新しい機械学習技術を設計することで、これらの課題に対処する。 当社のツールの設計は,IoTデプロイメントを持つ350企業から収集された,1年間のネットワークデータの分析によって進められています。
  論文  参考訳（メタデータ） (2022-03-07T02:59:56Z)

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。