論文の概要: Post-hoc LLM-Supported Debugging of Distributed Processes

• arxiv url: http://arxiv.org/abs/2508.14540v1
• Date: Wed, 20 Aug 2025 08:45:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.400733
• Title: Post-hoc LLM-Supported Debugging of Distributed Processes
• Title（参考訳）: ポストホットLDMによる分散プロセスのデバッグ
• Authors: Dennis Schiese, Andreas Both,
• Abstract要約: マクロレベルとマイクロレベルの両方において,任意のシステムに適用可能なアプローチを導入する。 このアプローチでは、生成AIとともにシステムのプロセスデータを使用して、自然言語の説明を生成する。 コンポーネントベースのJavaシステムにこのアプローチを取り入れたデモレータを提案する。
• 参考スコア（独自算出の注目度）: 0.7666363671957646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we address the problem of manual debugging, which nowadays remains resource-intensive and in some parts archaic. This problem is especially evident in increasingly complex and distributed software systems. Therefore, our objective of this work is to introduce an approach that can possibly be applied to any system, at both the macro- and micro-level, to ease this debugging process. This approach utilizes a system's process data, in conjunction with generative AI, to generate natural-language explanations. These explanations are generated from the actual process data, interface information, and documentation to guide the developers more efficiently to understand the behavior and possible errors of a process and its sub-processes. Here, we present a demonstrator that employs this approach on a component-based Java system. However, our approach is language-agnostic. Ideally, the generated explanations will provide a good understanding of the process, even if developers are not familiar with all the details of the considered system. Our demonstrator is provided as an open-source web application that is freely accessible to all users.
• Abstract（参考訳）: 本稿では,現在,資源集約的な手動デバッグの課題と,一部の部分において考古学的問題に対処する。 この問題は、複雑で分散したソフトウェアシステムにおいて特に顕著である。 そこで本研究の目的は,マクロレベルでもマイクロレベルでも,任意のシステムに適用可能なアプローチを導入し,デバッグプロセスを容易にすることである。 このアプローチでは、生成AIとともにシステムのプロセスデータを使用して、自然言語の説明を生成する。 これらの説明は実際のプロセスデータ、インターフェース情報、ドキュメントから生成され、開発者がプロセスとそのサブプロセスの振る舞いと可能なエラーをより効率的に理解できるようにする。 本稿では,コンポーネントベースのJavaシステムにこのアプローチを取り入れたデモレータを提案する。 しかし、我々のアプローチは言語に依存しない。 理想的には、生成された説明は、たとえ開発者が考慮されたシステムのすべての詳細を熟知していないとしても、そのプロセスについて十分な理解を提供するだろう。 私たちのデモレータはオープンソースWebアプリケーションとして提供されており、すべてのユーザが自由にアクセスできます。

関連論文リスト

• Towards LLM-generated explanations for Component-based Knowledge Graph Question Answering Systems [46.87155971556644]
  本稿では,質問応答システム(QA)について説明する。 本稿では,コンポーネントの入力および出力データフローを動作を表現するためのソースとして考えるアプローチを提案する。 実験では,テンプレートベースの設定(ベースライン)や,異なる設定のLarge Language Models (LLM) を用いて説明を生成する。
  論文  参考訳（メタデータ） (2025-08-20T09:14:48Z)
• debug-gym: A Text-Based Environment for Interactive Debugging [55.11603087371956]
  大規模言語モデル(LLM)は、コーディングタスクにますます依存している。 LLMは、タスクに関連する情報を集めるために対話的にAを探索する能力の恩恵を受けることができると仮定する。 対話型符号化環境において,LLMベースのエージェントを開発するためのテキスト環境,すなわちデバッグジャムを提案する。
  論文  参考訳（メタデータ） (2025-03-27T14:43:28Z)
• PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
  本稿では,PC-Agentという階層型エージェントフレームワークを提案する。 認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。 意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-20T05:41:55Z)
• Bridging Domain Knowledge and Process Discovery Using Large Language Models [0.0]
  本稿では,Large Language Models(LLM)を利用して,ドメイン知識を直接プロセス発見に統合する。 LLMから派生したルールを使用して、モデル構築をガイドし、ドメイン知識と実際のプロセス実行の整合性を確保します。
  論文  参考訳（メタデータ） (2024-08-30T14:23:40Z)
• Discovering Hierarchical Process Models: an Approach Based on Events Clustering [0.0]
  本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。 既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
  論文  参考訳（メタデータ） (2023-03-12T11:05:40Z)
• Chain of Thought Imitation with Procedure Cloning [129.62135987416164]
  本稿では,一連の専門家計算を模倣するために,教師付きシーケンス予測を適用したプロシージャクローニングを提案する。 本研究では、専門家の行動の中間計算を模倣することで、プロシージャのクローン化により、未知の環境構成に顕著な一般化を示すポリシーを学習できることを示す。
  論文  参考訳（メタデータ） (2022-05-22T13:14:09Z)
• Leveraging Unsupervised Learning to Summarize APIs Discussed in Stack Overflow [1.8047694351309207]
  本稿では,Stack Overflowで議論されているAndroid APIメソッドを要約する手法を提案する。 提案手法では,APIメソッドの名称を入力として,そのAPIメソッドに関するStack Overflowの議論に基づいて,自然言語の要約を生成する。 我々は16人のAndroid開発者が自動生成された要約の品質を評価し、それらを公式のAndroidドキュメントと比較する調査を実施した。
  論文  参考訳（メタデータ） (2021-11-27T18:49:51Z)
• Augmenting Modelers with Semantic Autocompletion of Processes [5.279475826661643]
  ビジネスプロセスモデラーはドメインに関する専門知識を必要とします。 本稿では,サブプロセスの意味的類似性に基づく設計時の自動補完手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T16:23:07Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)

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。