論文の概要: Building an Open AIBOM Standard in the Wild
- arxiv url: http://arxiv.org/abs/2510.07070v1
- Date: Wed, 08 Oct 2025 14:32:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-09 16:41:20.559077
- Title: Building an Open AIBOM Standard in the Wild
- Title（参考訳）: オープンなAIBOM標準の構築
- Authors: Gopi Krishnan Rajbahadur, Keheliya Gallaba, Elyas Rashno, Arthit Suriyawongkul, Karen Bennet, Kate Stewart, Ahmed E. Hassan,
- Abstract要約: 本稿では、AI Bill of Materials AIBOM仕様の開発に関する詳細な経験報告を示す。
90以上のコントリビュータと構造化されたARサイクルを含む、グローバルでマルチステークホルダの取り組みを文書化しています。
その結果、仕様は4つの補完的なアプローチによって検証された。
- 参考スコア（独自算出の注目度）: 5.0578463541356635
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern software engineering increasingly relies on open, community-driven standards, yet how such standards are created in fast-evolving domains like AI-powered systems remains underexplored. This paper presents a detailed experience report on the development of the AI Bill of Materials AIBOM specification, an extension of the ISO/IEC 5962:2021 Software Package Data Exchange (SPDX) software bill of materials (SBOM) standard, which captures AI components such as datasets and iterative training artifacts. Framed through the lens of Action Research (AR), we document a global, multi-stakeholder effort involving over 90 contributors and structured AR cycles. The resulting specification was validated through four complementary approaches: alignment with major regulations and ethical standards (e.g., EU AI Act and IEEE 7000 standards), systematic mapping to six industry use cases, semi-structured practitioner interviews, and an industrial case study. Beyond delivering a validated artefact, our paper documents the process of building the AIBOM specification in the wild, and reflects on how it aligns with the AR cycle, and distills lessons that can inform future standardization efforts in the software engineering community.
- Abstract（参考訳）: 現代のソフトウェアエンジニアリングは、オープンでコミュニティ主導の標準にますます依存している。
本稿では,ISO/IEC 5962:2021ソフトウェアパッケージデータ交換(SPDX)規格の拡張であるAI Bill of Materials AIBOM仕様の開発に関する詳細な報告を紹介する。
Action Research (AR)のレンズを通して、90人以上のコントリビュータと構造化されたARサイクルを含む、グローバルでマルチステークホルダーの取り組みを文書化します。
その結果得られた仕様は、4つの補完的なアプローチによって検証された: 主要な規則と倫理基準(例えば、EU AI ActとIEEE 7000標準)、システマティックな6つの産業ユースケースへのマッピング、半構造化された実践者インタビュー、産業ケーススタディ。
検証済みのアーティファクトの提供以外にも、私たちの論文では、AIBOM仕様を野放しに構築する過程を文書化しています。
関連論文リスト
- AGENTIF: Benchmarking Instruction Following of Large Language Models in Agentic Scenarios [51.46347732659174]
LLM(Large Language Models)は、現実世界のエージェントアプリケーションにおいて高度な機能を示す。
AgentIFは、エージェントシナリオでLLM命令に従う能力を体系的に評価する最初のベンチマークである。
論文 参考訳（メタデータ） (2025-05-22T17:31:10Z) - Implementing AI Bill of Materials (AI BOM) with SPDX 3.0: A Comprehensive Guide to Creating AI and Dataset Bill of Materials [5.1706418550751145]
SBOM(Software Bill of Materials)は、規制や技術分野において、ますます重要なツールになりつつある。
本稿では、AI-BOMの概念を導入し、SBOMを拡張し、アルゴリズム、データ収集方法、フレームワークとライブラリ、ライセンス情報、標準コンプライアンスのドキュメンテーションを含む。
論文 参考訳（メタデータ） (2025-04-23T14:13:19Z) - IGGA: A Dataset of Industrial Guidelines and Policy Statements for Generative AIs [8.420666056013685]
本稿では,GAI(Generative AIs)とLLM(Large Language Models)を産業や職場で使用するための,160の産業ガイドラインと政策ステートメントのデータセットであるIGGAを紹介する。
データセットには104,565語が含まれており、要求工学に一般的に適用される自然言語処理タスクの貴重なリソースとして機能している。
論文 参考訳（メタデータ） (2025-01-01T21:31:47Z) - Model-driven realization of IDTA submodel specifications: The good, the bad, the incompatible? [49.60138105915326]
アセット・マネジメント・シェルは産業4.0でトレンドになっている。
2024年2月、インダストリアル・デジタル・ツイン・アソシエーション (Industrial Digital Twin Association) は84と18のASサブモデル仕様を発表した。
本稿では、IDTA仕様から抽出した情報を中間メタモデルに変換し、そこからAPIコードとテストを生成するモデル駆動型アプローチを提案する。
論文 参考訳（メタデータ） (2024-06-20T16:33:46Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z) - Value-based Engineering with IEEE 7000TM [0.0]
この記事では、組織が"価値ベースエンジニアリング(VBE)"アプローチで、責任と倫理的に確立されたシステムを構築する方法について述べます。
VBEは、革新管理、リスク管理、システムとソフトウェアエンジニアリングを1つのプロセスフレームワークで組み合わせた、透過的で、明確に構造化された、ステップバイステップの方法論です。
論文 参考訳（メタデータ） (2022-06-21T14:36:41Z) - FRUIT: Faithfully Reflecting Updated Information in Text [106.40177769765512]
FRUIT(FruIT)で更新情報を反映した新しい生成タスクについて紹介する。
我々の分析は、記事の更新が可能なモデルを開発するには、ニューラルジェネレーションモデルに新しい能力が必要であることを示している。
論文 参考訳（メタデータ） (2021-12-16T05:21:24Z)
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。