論文の概要: Model-Based Diagnosis with Multiple Observations: A Unified Approach for C Software and Boolean Circuits
- arxiv url: http://arxiv.org/abs/2512.02898v1
- Date: Tue, 02 Dec 2025 16:04:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.957428
- Title: Model-Based Diagnosis with Multiple Observations: A Unified Approach for C Software and Boolean Circuits
- Title（参考訳）: 複数観測によるモデルベース診断:Cソフトウェアとブール回路の統一的アプローチ
- Authors: Pedro Orvalho, Marta Kwiatkowska, Mikoláš Janota, Vasco Manquinho,
- Abstract要約: 本稿では,C ソフトウェアと Boolean 回路に複数故障のある新しい障害ローカライズツール CFaults を紹介する。
CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したすべてのテストケースを統一された満足度(MaxSAT)公式に集約する。
3つのベンチマークセット、TCASとC-Pack-IPAsの2つのCプログラムとBoolean回路の1つであるISCAS85の実験結果から、CFaultsは、他のFBFLアプローチよりもCソフトウェアの障害のローカライズが速いことが示された。
- 参考スコア（独自算出の注目度）: 13.450835224477109
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Debugging is one of the most time-consuming and expensive tasks in software development and circuit design. Several formula-based fault localisation (FBFL) methods have been proposed, but they fail to guarantee a set of diagnoses across all failing tests or may produce redundant diagnoses that are not subset-minimal, particularly for programs/circuits with multiple faults. This paper introduces CFaults, a novel fault localisation tool for C software and Boolean circuits with multiple faults. CFaults leverages Model-Based Diagnosis (MBD) with multiple observations and aggregates all failing test cases into a unified Maximum Satisfiability (MaxSAT) formula. Consequently, our method guarantees consistency across observations and simplifies the fault localisation procedure. Experimental results on three benchmark sets, two of C programs, TCAS and C-Pack-IPAs, and one of Boolean circuits, ISCAS85, show that CFaults is faster at localising faults in C software than other FBFL approaches such as BugAssist, SNIPER, and HSD. On the ISCAS85 benchmark, CFaults is generally slower than HSD; however, it localises faults in only 6% fewer circuits, demonstrating that it remains competitive in this domain. Furthermore, CFaults produces only subset-minimal diagnoses of faulty statements, whereas the other approaches tend to enumerate redundant diagnoses (e.g., BugAssist and SNIPER).
- Abstract（参考訳）: デバッグは、ソフトウェア開発と回路設計において最も時間とコストのかかるタスクの1つです。
いくつかの公式ベースのフォールトローカライゼーション(FBFL)法が提案されているが、失敗する全てのテストにおいて一連の診断を保証できないか、サブセット最小でない冗長な診断を生成する可能性がある。
本稿では,C ソフトウェアと Boolean 回路に複数故障のある新しい障害ローカライズツール CFaults を紹介する。
CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したテストケースをすべてMaxSAT(Maximum Satisfiability)の統一式に集約する。
その結果,本手法は観測結果の整合性を保証し,故障局所化手順を簡素化する。
3つのベンチマークセット(TCASとC-Pack-IPAs)とBoolean回路(ISCAS85)の実験結果から、CFaultsはBugAssist、SNIPER、HSDなどの他のFBFLアプローチよりもCソフトウェア内の障害のローカライズが速いことが示された。
ISCAS85のベンチマークでは、CFaultsは一般的にHSDよりも遅いが、わずか6%の回路で障害をローカライズし、この領域では依然として競争力があることを示した。
さらに、CFaultsは欠陥文のサブセット最小の診断しか生成しないが、他のアプローチでは冗長な診断(例えば、BugAssistとSNIPER)を列挙する傾向がある。
関連論文リスト
- How Many Code and Test Cases Are Enough? Evaluating Test Cases Generation from a Binary-Matrix Perspective [51.30005925128432]
LLM(Large Language Models)が自動生成するテストケースの評価は、非常に難しい作業です。
既存のベンチマークは高い計算コスト、インフレーションのスコア、稀でクリティカルな欠陥に対する自明なバグに対するバイアスに悩まされている。
本稿では,ベンチマーク構築をバイナリコードテスト行列の最適な診断基準として定式化するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-09T18:29:24Z) - Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Lightweight Fault Detection Architecture for NTT on FPGA [0.8793721044482612]
ポスト量子暗号(PQC)アルゴリズムは数学的に安全であり、量子攻撃に耐性がある。
天然の欠陥や意図的な障害注入のために、ハードウェア実装の機密情報を漏洩することができる。
本研究は,軽量で効率的な再計算に基づく故障検出モジュールを提案する。
論文 参考訳（メタデータ） (2025-08-05T04:23:50Z) - Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [79.74676890436174]
本稿では,障害の局所化と修復のためのオラクルとして形式仕様を用いたDafny用のAPRツールを提案する。
プログラム内の各ステートメントの状態を決定するために、Hoareロジックの使用を含む一連のステップを通じて、障害をローカライズします。
また, GPT-4o miniが74.18%と高い修理成功率を示した。
論文 参考訳（メタデータ） (2025-07-04T15:36:12Z) - Black-Box Test Code Fault Localization Driven by Large Language Models and Execution Estimation [7.040370156228408]
システムテストコードの欠陥ローカライゼーションのための,完全に静的なLLM駆動型アプローチを提案する。
私たちのメソッドは、テストの実行トレースを推定するために、単一障害実行ログを使用します。
事故事例の工業的データセットを用いて, 機能, ブロック, ラインレベルの評価を行った。
論文 参考訳（メタデータ） (2025-06-23T19:04:51Z) - CFaults: Model-Based Diagnosis for Fault Localization in C Programs with Multiple Test Cases [2.8853600644505266]
本稿では,複数の障害を持つCプログラムに対して,新しい障害局所化手法を提案する。
CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したすべてのテストケースを統一されたMaxSAT公式に集約する。
C プログラムのベンチマークセット TCAS と C-Pack-IPAs の実験結果から,CFaults は他の FBFL の手法よりも高速であることがわかった。
論文 参考訳（メタデータ） (2024-07-12T15:14:49Z) - SBEST: Spectrum-Based Fault Localization Without Fault-Triggering Tests [17.90798133817018]
本研究は, 事故報告から得られたスタックトレースを, スペクトルベース断層定位における故障トリガー試験のプロキシとして用いる可能性について検討した。
本稿では,スタックトレース情報とテストカバレッジデータを統合する新たな手法であるSBESTを提案する。
論文 参考訳（メタデータ） (2024-05-01T15:15:52Z) - Fast and Accurate Error Simulation for CNNs against Soft Errors [64.54260986994163]
本稿では,誤りシミュレーションエンジンを用いて,コナールニューラルネットワーク(CNN)の信頼性解析のためのフレームワークを提案する。
これらの誤差モデルは、故障によって誘導されるCNN演算子の出力の破損パターンに基づいて定義される。
提案手法は,SASSIFIの欠陥効果の約99%の精度と,限定的なエラーモデルのみを実装した44倍から63倍までのスピードアップを実現する。
論文 参考訳（メタデータ） (2022-06-04T19:45:02Z) - An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。
ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
論文 参考訳（メタデータ） (2021-02-17T19:55:42Z)
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。