論文の概要: Harmonica: A Self-Adaptation Exemplar for Sustainable MLOps

• arxiv url: http://arxiv.org/abs/2601.11926v1
• Date: Sat, 17 Jan 2026 06:15:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.380103
• Title: Harmonica: A Self-Adaptation Exemplar for Sustainable MLOps
• Title（参考訳）: Harmonica: 持続可能なMLOpsのための自己適応エグゼクティブ
• Authors: Ananya Halgatti, Shaunak Biswas, Hiya Bhatt, Srinivasan Rakhunathan, Karthik Vaidhyanathan,
• Abstract要約: 機械学習を有効にするシステム(MLS)は、周囲環境の変化に起因する不確実性に頻繁に遭遇する環境で運用されることが多い。 MLOpsは、MLSの長期持続可能性に影響を与えるランタイムの不確実性に対処するための限定的なサポートを提供する。 本稿では,HarmonEアプローチに基づく自己適応型例であるHarmonicaについて述べる。
• 参考スコア（独自算出の注目度）: 0.20075262321744322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning enabled systems (MLS) often operate in settings where they regularly encounter uncertainties arising from changes in their surrounding environment. Without structured oversight, such changes can degrade model behavior, increase operational cost, and reduce the usefulness of deployed systems. Although Machine Learning Operations (MLOps) streamlines the lifecycle of ML models, it provides limited support for addressing runtime uncertainties that influence the longer term sustainability of MLS. To support continued viability, these systems need a mechanism that detects when execution drifts outside acceptable bounds and adjusts system behavior in response. Despite the growing interest in sustainable and self-adaptive MLS, there has been limited work towards exemplars that allow researchers to study these challenges in MLOps pipelines. This paper presents Harmonica, a self-adaptation exemplar built on the HarmonE approach, designed to enable the sustainable operation of such pipelines. Harmonica introduces structured adaptive control through MAPE-K loop, separating high-level adaptation policy from low-level tactic execution. It continuously monitors sustainability metrics, evaluates them against dynamic adaptation boundaries, and automatically triggers architectural tactics when thresholds are violated. We demonstrate the tool through case studies in time series regression and computer vision, examining its ability to improve system stability and reduce manual intervention. The results show that Harmonica offers a practical and reusable foundation for enabling adaptive behavior in MLS that rely on MLOps pipelines for sustained operation.
• Abstract（参考訳）: 機械学習を有効にするシステム(MLS)は、周囲環境の変化に起因する不確実性に頻繁に遭遇する環境で運用されることが多い。 構造化された監視がなければ、このような変更はモデルの振る舞いを低下させ、運用コストを増大させ、デプロイされたシステムの有用性を低下させる。 機械学習操作(MLOps)はMLモデルのライフサイクルを合理化するが、MLの長期持続可能性に影響を与えるランタイムの不確実性に対処するための限定的なサポートを提供する。 継続的な生存性をサポートするために、これらのシステムは実行が許容範囲外にドリフトしたことを検知し、応答時のシステム動作を調整するメカニズムが必要である。 持続的かつ自己適応的なMLSへの関心が高まっているにもかかわらず、研究者がMLOpsパイプラインでこれらの課題を研究できるように、模範企業への取り組みは限られている。 本稿では,HarmonEアプローチに基づく自己適応型例であるHarmonicaについて述べる。 HarmonicaはMAPE-Kループを通じて構造化適応制御を導入し、高レベル適応ポリシーと低レベル戦術実行を分離する。 持続可能性メトリクスを継続的に監視し、動的適応境界に対して評価し、しきい値が違反した場合に自動的にアーキテクチャの戦術をトリガーする。 本稿では、時系列回帰とコンピュータビジョンのケーススタディを通じて、システムの安定性を改善し、手作業による介入を減らす能力について実証する。 その結果,HalmonicaはMLOpsパイプラインに依存するMLSの適応動作を実現するための,実用的で再利用可能な基盤を提供することがわかった。

関連論文リスト

• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• HarmonE: A Self-Adaptive Approach to Architecting Sustainable MLOps [0.28845085660246716]
  HarmonEは、機械学習オペレーションパイプラインにおける自己適応機能を実現するアーキテクチャアプローチである。 インテリジェントトランスポートシステム(ITS)のディジタルツイン(DT)によるアプローチを検証する。 以上の結果から,HarmonEは精度を保ち,持続可能性目標を達成しつつ,進化する条件に効果的に対応できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-19T19:51:30Z)
• Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
  実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。 概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。 我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T20:05:51Z)
• Amortized Control of Continuous State Space Feynman-Kac Model for Irregular Time Series [14.400596021890863]
  医療、気候、経済などの現実世界のデータセットは、しばしば不規則な時系列として収集される。 本稿では,連続状態空間モデル (ACSSM) を時系列の連続的動的モデリングに用いるためのアモータイズ制御を提案する。
  論文  参考訳（メタデータ） (2024-10-08T01:27:46Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Towards Self-Adaptive Machine Learning-Enabled Systems Through QoS-Aware Model Switching [1.2277343096128712]
  本稿では,機械学習モデルバランサの概念を提案し,複数のモデルを用いてMLモデルに関連する不確実性を管理する。 AdaMLSは、この概念を活用し、従来のMAPE-Kループを拡張した新しい自己適応手法である。 予備的な結果は、AdaMLSが保証において、単純で単一の最先端モデルを上回ることを示唆している。
  論文  参考訳（メタデータ） (2023-08-19T09:33:51Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)

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。