論文の概要: How are MLOps Frameworks Used in Open Source Projects? An Empirical Characterization

• arxiv url: http://arxiv.org/abs/2601.18591v1
• Date: Mon, 26 Jan 2026 15:35:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.904145
• Title: How are MLOps Frameworks Used in Open Source Projects? An Empirical Characterization
• Title（参考訳）: MLOpsフレームワークはオープンソースプロジェクトでどのように使われているか?実証的な特徴
• Authors: Fiorella Zampetti, Federico Stocchetti, Federica Razzano, Damian Andrew Tamburri, Massimiliano Di Penta,
• Abstract要約: マシンラーニング(MLOps)運用(MLOps)フレームワークは、MLモデルのライフサイクル管理において、開発者とAIエンジニアを支援するために考案されたものだ。 本稿では,8つの人気オープンソースMLOpsフレームワークの実用的利用と所望の機能拡張について検討する。
• 参考スコア（独自算出の注目度）: 7.351668608270923
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine Learning (ML) Operations (MLOps) frameworks have been conceived to support developers and AI engineers in managing the lifecycle of their ML models. While such frameworks provide a wide range of features, developers may leverage only a subset of them, while missing some highly desired features. This paper investigates the practical use and desired feature enhancements of eight popular open-source MLOps frameworks. Specifically, we analyze their usage by dependent projects on GitHub, examining how they invoke the frameworks' APIs and commands. Then, we qualitatively analyze feature requests and enhancements mined from the frameworks' issue trackers, relating these desired improvements to the previously identified usage features. Results indicate that MLOps frameworks are rarely used out-of-the-box and are infrequently integrated into GitHub Workflows, but rather, developers use their APIs to implement custom functionality in their projects. Used features concern core ML phases and whole infrastructure governance, sometimes leveraging multiple frameworks with complementary features. The mapping with feature requests highlights that users mainly ask for enhancements to core features of the frameworks, but also better API exposure and CI/CD integration.
• Abstract（参考訳）: マシンラーニング(MLOps)運用(MLOps)フレームワークは、MLモデルのライフサイクル管理において、開発者とAIエンジニアを支援するために考案されたものだ。 このようなフレームワークは幅広い機能を提供しているが、開発者はそのサブセットのみを活用することができる。 本稿では,8つの人気オープンソースMLOpsフレームワークの実用的利用と所望の機能拡張について検討する。 具体的には、GitHub上の依存プロジェクトによる使用状況を分析し、フレームワークのAPIとコマンドの呼び出し方法を調べます。 次に、フレームワークのイシュートラッカから抽出した機能要求と強化を質的に分析し、これらの望ましい改善を以前特定された利用機能と関連づける。 結果から,MLOpsフレームワークは最初から使用されることがほとんどなく,GitHub Workflowsに頻繁に統合されることが少なく,むしろ開発者が自身のAPIを使用して独自の機能をプロジェクト内に実装していることが分かる。 使用する機能は、コアMLフェーズとインフラストラクチャ全体のガバナンスに関するもので、補完的な機能を備えた複数のフレームワークを利用する場合もあります。 機能要求のマッピングでは、主にフレームワークのコア機能の拡張を要求されるだけでなく、APIの露出とCI/CD統合も改善されている。

関連論文リスト

• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• Framework-Aware Code Generation with API Knowledge Graph-Constructed Data: A Study on HarmonyOS [52.483888557864326]
  APIKG4SYNはAPI指向の質問コードペアの構築にAPIナレッジグラフを活用するように設計されたフレームワークである。 APIKG4SYNを使ったHarmonyOSコード生成のための最初のベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-11-29T08:13:54Z)
• OpenLambdaVerse: A Dataset and Analysis of Open-Source Serverless Applications [0.6215404942415159]
  OpenLambdaVerseは、1つ以上のLambda関数を含むアプリケーションでServerless Frameworkを使用するGitHubリポジトリのデータセットである。 現在のアプリケーションのサイズや複雑さ、採用言語や言語、機能がどのように起動されるか、プロジェクトの成熟度、セキュリティプラクティスについて、重要な洞察を得ています。
  論文  参考訳（メタデータ） (2025-08-02T21:30:01Z)
• DesignBench: A Comprehensive Benchmark for MLLM-based Front-end Code Generation [31.237236649603123]
  MLLM(Multimodal Large Language Models)は、フロントエンドの自動化において顕著な機能を示す。 DesignBenchは、自動フロントエンドエンジニアリングにおけるMLLMの機能を評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2025-06-06T17:21:21Z)
• LLM-Generated Microservice Implementations from RESTful API Definitions [3.740584607001637]
  本稿では,Large Language Models (LLMs) を用いて,APIファーストのソフトウェア開発を自動化するシステムを提案する。 システムはOpenAPI仕様を生成し、そこからサーバコードを生成し、実行ログとエラーメッセージを分析するフィードバックループを通じてコードを精査する。 このシステムは、ソフトウェア開発サイクルをスピードアップする上で、ソフトウェア開発者、アーキテクト、組織に利益をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-02-13T20:50:33Z)
• Lightweight Syntactic API Usage Analysis with UCov [0.0]
  本稿では,ライブラリメンテナのAPIによるインタラクション理解を支援するための,新しい概念フレームワークを提案する。 これらのカスタマイズ可能なモデルにより、ライブラリメンテナはリリース前に設計を改善することができ、進化中の摩擦を減らすことができる。 我々は,これらのモデルを新しいツールUCovに実装し,多様なインタラクションスタイルを示す3つのライブラリ上でその能力を実証する。
  論文  参考訳（メタデータ） (2024-02-19T10:33:41Z)
• TaskWeaver: A Code-First Agent Framework [50.99683051759488]
  TaskWeaverは、LLMで動く自律エージェントを構築するためのコードファーストフレームワークである。 ユーザ要求を実行可能なコードに変換し、ユーザ定義プラグインを呼び出し可能な関数として扱う。 リッチなデータ構造、フレキシブルなプラグイン利用、動的プラグイン選択のサポートを提供する。
  論文  参考訳（メタデータ） (2023-11-29T11:23:42Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• Exploring the potential of flow-based programming for machine learning deployment in comparison with service-oriented architectures [8.677012233188968]
  理由のひとつは、データ収集と分析に関するアクティビティのために設計されていないインフラストラクチャである、と私たちは論じています。 本稿では,データストリームを用いたフローベースのプログラミングを,ソフトウェアアプリケーション構築に広く使用されるサービス指向アーキテクチャの代替として検討する。
  論文  参考訳（メタデータ） (2021-08-09T15:06:02Z)

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。