論文の概要: RFSeek and Ye Shall Find

• arxiv url: http://arxiv.org/abs/2509.10216v1
• Date: Fri, 12 Sep 2025 13:08:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.093827
• Title: RFSeek and Ye Shall Find
• Title（参考訳）: RFSeekとYe Shall Find
• Authors: Noga H. Rotman, Tiago Ferreira, Hila Peleg, Mark Silberstein, Alexandra Silva,
• Abstract要約: 本稿では,RFC からプロトコルロジックの視覚的要約を自動的に抽出する対話型ツール RFSeek を提案する。 RFSeekは、RFCテキストでのみ見られる公式のステートマシンと追加のロジックの両方を要約して、出典リンクで探索可能なダイアグラムを生成する。 実際には、RFSeekはRFCダイアグラムを一部の仕様で再構築するだけでなく、テキストで記述されているがそれらのダイアグラムから欠落しているノードやエッジといった重要なロジックも明らかにする。
• 参考スコア（独自算出の注目度）: 41.00623707285702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Requests for Comments (RFCs) are extensive specification documents for network protocols, but their prose-based format and their considerable length often impede precise operational understanding. We present RFSeek, an interactive tool that automatically extracts visual summaries of protocol logic from RFCs. RFSeek leverages large language models (LLMs) to generate provenance-linked, explorable diagrams, surfacing both official state machines and additional logic found only in the RFC text. Compared to existing RFC visualizations, RFSeek's visual summaries are more transparent and easier to audit against their textual source. We showcase the tool's potential through a series of use cases, including guided knowledge extraction and semantic diffing, applied to protocols such as TCP, QUIC, PPTP, and DCCP. In practice, RFSeek not only reconstructs the RFC diagrams included in some specifications, but, more interestingly, also uncovers important logic such as nodes or edges described in the text but missing from those diagrams. RFSeek further derives new visualization diagrams for complex RFCs, with QUIC as a representative case. Our approach, which we term \emph{Summary Visualization}, highlights a promising direction: combining LLMs with formal, user-customized visualizations to enhance protocol comprehension and support robust implementations.
• Abstract（参考訳）: RFC(Requests for Comments)は、ネットワークプロトコルの広範な仕様文書である。 本稿では,RFC からプロトコルロジックの視覚的要約を自動的に抽出する対話型ツール RFSeek を提案する。 RFSeekは、大きな言語モデル(LLM)を活用して、証明にリンクされた探索可能なダイアグラムを生成し、公式のステートマシンとRFCテキストでのみ見られる追加のロジックの両方を抽出する。 既存のRFCビジュアライゼーションと比較すると、RFSeekのビジュアルサマリーはより透明で、テキストソースに対する監査が容易である。 本稿では,TCP,QUIC,PPTP,DCCPなどのプロトコルに適用した,ガイド付き知識抽出やセマンティックディファリングなど,一連のユースケースを通じてツールの可能性を示す。 実際には、RFSeekはRFCのダイアグラムを一部の仕様で再構築するだけでなく、より興味深いことに、テキストで記述されたノードやエッジのような重要なロジックも明らかにします。 RFSeekはさらに、QUICを代表例として、複雑なRFCの新しい視覚化ダイアグラムを導出している。 当社のアプローチでは,プロトコルの理解を深め,堅牢な実装をサポートするために,LCMと形式的かつユーザカスタマイズの可視化を組み合わせるという,将来性のある方向性を強調しています。

関連論文リスト

• A Graph-based Approach for Multi-Modal Question Answering from Flowcharts in Telecom Documents [0.619840955350879]
  技術的文書からの質問回答は、フローチャートやフロー図のような数字に答えが存在する質問を含むことが多い。 我々は,VLM(Visual Large Language Models)から得られたフローチャートのグラフ表現を活用し,それをテキストベースRAGシステムに組み込んで,通信領域におけるQAの画像検索を可能にすることを示す。
  論文  参考訳（メタデータ） (2025-07-25T07:36:13Z)
• An Agentic Flow for Finite State Machine Extraction using Prompt Chaining [0.0]
  FlowFSMは、大規模言語モデル(LLM)を利用してRFC文書から正確な有限状態マシン(FSM)を抽出する新しいエージェントフレームワークである。 FlowFSMは、ハロゲン化遷移を最小化しながら高い抽出精度を実現し、有望な結果を示す。
  論文  参考訳（メタデータ） (2025-07-15T11:50:25Z)
• QID: Efficient Query-Informed ViTs in Data-Scarce Regimes for OCR-free Visual Document Understanding [53.69841526266547]
  トレーニング済みのVision-Language Modelを新しいデータセットで微調整することは、ビジョンエンコーダの最適化に不足することが多い。 視覚エンコーダにクエリの埋め込みを統合する,新しい,合理化されたアーキテクチャ保存アプローチであるQIDを導入する。
  論文  参考訳（メタデータ） (2025-04-03T18:47:16Z)
• DSV-LFS: Unifying LLM-Driven Semantic Cues with Visual Features for Robust Few-Shot Segmentation [2.7624021966289605]
  Few-shot semantic segmentation (FSS) は、限定されたラベル付き例のみを使用して、モデルが新規/未使用のオブジェクトクラスをセグメンテーションできるようにすることを目的としている。 本稿では,大規模言語モデル(LLM)を用いて,汎用クラス意味情報をクエリ画像に適用する新しいフレームワークを提案する。 我々のフレームワークは、様々なシナリオにまたがって、新しいクラスへの高度な一般化と堅牢性を示す、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-03-06T01:42:28Z)
• OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models [58.45517851437422]
  VsTP(Visually-situated text parsing)は、自動化された文書理解の需要が高まり、最近顕著な進歩を遂げている。 既存のソリューションは、タスク固有のアーキテクチャと個々のタスクの目的に依存していることが多い。 本稿では,テキストスポッティング,キー情報抽出,テーブル認識,レイアウト解析など,VsTPの典型的なタスクを統一する汎用モデルであるOmni V2を紹介する。
  論文  参考訳（メタデータ） (2025-02-22T09:32:01Z)
• RSRefSeg: Referring Remote Sensing Image Segmentation with Foundation Models [24.67117013862316]
  リモートセンシング画像のセグメンテーションの参照は、きめ細かい視覚的理解の実現に不可欠である。 本稿では,参照リモートセンシング画像分割基礎モデルRSRefSegを紹介する。 RRSIS-Dデータセットの実験結果は、RSRefSegが既存の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2025-01-12T13:22:35Z)
• Beyond Mask: Rethinking Guidance Types in Few-shot Segmentation [67.35274834837064]
  我々は、テキスト、マスク、ボックス、画像からのプロンプトを統合するユニバーサルビジョン言語フレームワーク(UniFSS)を開発した。 UniFSSは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-07-16T08:41:01Z)
• Sentence-level Prompts Benefit Composed Image Retrieval [69.78119883060006]
  合成画像検索(CIR)は、参照画像と相対キャプションの両方を含むクエリを用いて、特定の画像を検索するタスクである。 本稿では,事前訓練されたV-Lモデル,例えばBLIP-2を用いて文レベルのプロンプトを生成することを提案する。 提案手法は,Fashion-IQおよびCIRRデータセット上の最先端のCIR手法に対して良好に動作する。
  論文  参考訳（メタデータ） (2023-10-09T07:31:44Z)
• Automated Attack Synthesis by Extracting Finite State Machines from Protocol Specification Documents [25.871916915930996]
  RFC文書から有限状態マシン(FSM)を抽出するためのデータ駆動型アプローチを提案する。 市販のNLPツールとは異なり、RFC文書からFSMを抽出するためのデータ駆動型アプローチを提案する。 BGPv4, DCCP, RFCを用いたFSM抽出の一般化可能性を示す。 SCTPとTCP。
  論文  参考訳（メタデータ） (2022-02-18T23:27:29Z)

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。