論文の概要: Lila: Decentralized Build Reproducibility Monitoring for the Functional Package Management Model
- arxiv url: http://arxiv.org/abs/2601.20662v1
- Date: Wed, 28 Jan 2026 14:44:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-29 15:46:06.981511
- Title: Lila: Decentralized Build Reproducibility Monitoring for the Functional Package Management Model
- Title（参考訳）: Lila: 機能パッケージ管理モデルのための分散ビルド再現性監視
- Abstract要約: ソフトウェアアーティファクトの大規模採用は、大きな課題に直面します。
高配電率を実現し、監視インフラを確立する。
Lilaは分散機能分散システム管理モデルに適したアセスメントを可能にする。
- 参考スコア（独自算出の注目度）: 4.010598744735379
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring the integrity of software build artifacts is an increasingly important concern for modern software engineering, driven by increasingly sophisticated attacks on build systems, distribution channels, and development infrastructures. Reproducible builds $\unicode{x2013}$ where binaries built independently from the same source code can be verified to be bit-for-bit identical to the distributed artifacts $\unicode{x2013}$ provide a principled foundation for transparency and trust in software distribution. Despite their potential, the large-scale adoption of reproducible builds faces two significant challenges: achieving high reproducibility rates across vast software collections and establishing reproducibility monitoring infrastructure that can operate at very large scale. While recent studies have shown that high reproducibility rates are achievable at scale $\unicode{x2013}$ demonstrated by the Nix ecosystem achieving over 90% reproducibility on more than 80,000 packages $\unicode{x2013}$ the problem of effective reproducibility monitoring remains largely unsolved. In this work, we address the reproducibility monitoring challenge by introducing Lila, a decentralized system for reproducibility assessment tailored to the functional package management model. Lila enables distributed reporting of build results and aggregation into a reproducibility database, benefiting both practitioners and future empirical build reproducibility studies.
- Abstract（参考訳）: ソフトウェアビルドアーティファクトの完全性を保証することは、ビルドシステムや配布チャネル、開発インフラストラクチャに対するますます高度な攻撃によって引き起こされる、現代のソフトウェアエンジニアリングにとって、ますます重要な関心事である。
Reproducible build $\unicode{x2013}$ ここでは、同じソースコードから独立して構築されたバイナリを、分散アーティファクトである$\unicode{x2013}$と同じビット対ビットで検証することができる。
その可能性にもかかわらず、大規模な再現可能なビルドの採用には、2つの大きな課題がある。
最近の研究は、高い再現性率はスケールで達成可能であることを示したが、Nixエコシステムによって実証され、80,000以上のパッケージ上で90%以上の再現性を達成した。
本稿では,機能パッケージ管理モデルに適した再現性評価システムであるLilaを導入することにより,再現性監視の課題に対処する。
Lilaは、ビルド結果の分散レポートと、再現性データベースへの集約を可能にし、実践者と将来の経験的ビルド再現性研究の両方に利益をもたらす。
関連論文リスト
- Software Supply Chains are Dead: Use-Case-Oriented Regeneration [7.037884618663316]
ソフトウェアサプライチェーン攻撃は外部依存のコストを上昇させ、生成AIはローカル実装のコストを低下させた。
我々は,サプライチェーンを外部信頼からローカル検証に移行する新たなソフトウェアソーシングパラダイムとして,ユースケース指向のリジェネレーションを想定する。
論文 参考訳（メタデータ） (2026-07-14T17:58:09Z) - ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues [54.98461672730087]
ReproRepoは、人為的なGitHub問題を活用するスケーラブルな評価フレームワークで、現実的な再現ブロッカーを自然に監視する。
ReproRepoは、大規模なカンファレンスから1,149件の機械学習論文をインスタンス化し、4つのフロンティアモデルエージェント構成を評価します。
その結果, LLMエージェントは, コードを実行せずにも, 紙とリポジトリのペアから多くの実世界の問題を識別できることがわかった。
論文 参考訳（メタデータ） (2026-06-16T17:58:05Z) - RepoZero: Can LLMs Generate a Code Repository from Scratch? [13.87780777614509]
RepoZeroは、完全に自動化された実行ベースのレポジトリレベルの生成をスクラッチから検証できる最初のベンチマークである。
我々の結果は、RepoZeroをエンドツーエンドのコード生成のための、困難でスケーラブルで信頼性の高いテストベッドとして確立しています。
論文 参考訳（メタデータ） (2026-05-08T01:56:02Z) - Detecting Complex Money Laundering Patterns with Incremental and Distributed Graph Modeling [0.15293427903448023]
マネーロンダラーは、金融フットプリントを偽りの方法で隠すことによって、既存の検出アプローチを活用する。
本稿では,ReDiRect(Reduce,DIstribute,RECTify)と呼ばれるフレームワークを提案する。
我々のフレームワークは、既存の技術や最先端技術と比較して優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-01T18:40:58Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。
既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。
機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
論文 参考訳（メタデータ） (2026-01-30T10:33:29Z) - NL2Repo-Bench: Towards Long-Horizon Repository Generation Evaluation of Coding Agents [79.29376673236142]
既存のベンチマークは、完全なソフトウェアシステムを構築するのに必要な長期的能力の厳格な評価に失敗する。
符号化エージェントの長期リポジトリ生成能力を評価するために設計されたベンチマークであるNL2Repo Benchを提案する。
論文 参考訳（メタデータ） (2025-12-14T15:12:13Z) - A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks [48.83701310501069]
NN-RAGは,大規模で異種なPyTorchを検証済みニューラルネットワークの検索可能なライブラリに変換する検索拡張生成システムである。
19のリポジトリに適用して、パイプラインは1,289の候補ブロックを抽出し、991(73.0%)を検証し、80%以上が構造的にユニークであることを実証した。
論文 参考訳（メタデータ） (2025-12-03T23:28:30Z) - Tractable Asymmetric Verification for Large Language Models via Deterministic Replicability [0.6117371161379209]
大規模言語モデル(LLM)の展望は、動的でマルチエージェントなシステムへと急速にシフトします。
本稿では, トラクタブルな非対称な作業を実現するための検証フレームワークを提案する。
対象検定は全再生の12倍以上の速さで行うことができる。
論文 参考訳（メタデータ） (2025-09-14T03:30:06Z) - Loong: Synthesize Long Chain-of-Thoughts at Scale through Verifiers [103.4410890572479]
スケーラブルな合成データ生成と検証のためのオープンソースのフレームワークであるLoong Projectを紹介します。
LoongBenchは、12のドメインにまたがる8,729の人為的なサンプルを含む、キュレートされたシードデータセットである。
LoongEnvはモジュラー合成データ生成環境であり、新しい質問応答コードのトリプルを生成する複数のプロンプト戦略をサポートする。
論文 参考訳（メタデータ） (2025-09-03T06:42:40Z) - From Articles to Code: On-Demand Generation of Core Algorithms from Scientific Publications [0.0]
学術出版物におけるリッチなメソッド記述は、現代の大規模言語モデルのスタンドアロン仕様として機能することを示す。
我々は、従来の出版物から引き出された多種多様なコアアルゴリズムを実装することで、最先端モデルをベンチマークする。
論文 参考訳（メタデータ） (2025-07-30T01:52:01Z) - How Far Are We from Generating Missing Modalities with Foundation Models? [49.425856207329524]
欠落したモダリティの再構築に適したエージェントフレームワークを提案する。
本手法は, 画像再構成に要するFIDを少なくとも14%, MERを少なくとも10%削減する。
論文 参考訳（メタデータ） (2025-06-04T03:22:44Z) - Causes and Canonicalization of Unreproducible Builds in Java [11.155099138622148]
再現可能なビルドの概念フレームワークを導入し,再現可能な中央からの大きなデータセットを分析し,再現不可能な6つの根本原因の新たな分類法を開発した。
12,803個の再現不可能なアーティファクトに対して26.60%のカノニゼーションを実現するツールであるChains-Rebuildを紹介する。
論文 参考訳（メタデータ） (2025-04-30T14:17:54Z) - Does Functional Package Management Enable Reproducible Builds at Scale? Yes [4.492444446637857]
Reproducible Builds (R-B) は、ソフトウェアパッケージをソースから再構築することを保証する。
我々は,Nix機能パッケージマネージャのコンテキストにおいて,ビットワイズに関する最初の大規模研究を行う。
非常に高いビットワイズ率、69～91%の上昇傾向、さらに高いリビルド可能性率、99%以上を得ています。
論文 参考訳（メタデータ） (2025-01-27T10:11:27Z) - OriGen:Enhancing RTL Code Generation with Code-to-Code Augmentation and Self-Reflection [54.775409528658486]
OriGenは、セルフリフレクション機能と新しいデータセット拡張方法論を組み込んだ、完全なオープンソースフレームワークである。
このアプローチでは,オープンソースのRTLコードデータセットの品質向上のために,コード-コード拡張技術を採用している。
論文 参考訳（メタデータ） (2024-07-23T07:22:25Z) - MMRNet: Improving Reliability for Multimodal Object Detection and
Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。
これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。
システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
論文 参考訳（メタデータ） (2022-10-19T19:15:07Z)
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。