論文の概要: Every Maintenance Has Its Exemplar: The Future of Software Maintenance through Migration
- arxiv url: http://arxiv.org/abs/2602.14046v1
- Date: Sun, 15 Feb 2026 08:21:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.623952
- Title: Every Maintenance Has Its Exemplar: The Future of Software Maintenance through Migration
- Title（参考訳）: あらゆるメンテナンスは模範である: 移行によるソフトウェア保守の未来
- Authors: Zirui Chen, Xing Hu, Xin Xia, Xiaohu Yang,
- Abstract要約: 手動のソフトウェアメンテナンスは、労働集約的で、時間がかかり、エラーを起こします。
最近の研究では、マイグレーションベースのアプローチが、知識、アーティファクト、あるいはソリューションをあるシステムから別のシステムに移すことが実証されている。
本稿では,ソフトウェアメンテナンスへのマイグレーションベースのアプローチに関する,最初の体系的な研究課題を提示することによって,さらに一歩進める。
- 参考スコア（独自算出の注目度）: 12.075842906221927
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Maintenance is a critical stage in the software lifecycle, ensuring that post-release systems remain reliable, efficient, and adaptable. However, manual software maintenance is labor-intensive, time-consuming, and error-prone, which highlights the urgent need for automation. Learning from maintenance activities conducted on other software systems offers an effective way to improve efficiency. In particular, recent research has demonstrated that migration-based approaches transfer knowledge, artifacts, or solutions from one system to another and show strong potential in tasks such as API evolution adaptation, software testing, and migrating patches for fault correction. This makes migration-based maintenance a valuable research direction for advancing automated maintenance. This paper takes a step further by presenting the first systematic research agenda on migration-based approaches to software maintenance. We characterize the migration-based maintenance lifecycle through four key stages: \ding{182} identifying a maintenance task that can be addressed through migration, \ding{183} selecting suitable migration sources for the target project,\ding{184} matching relevant data across systems and adapting the migrated data to the target context, and \ding{185} validating the correctness of the migration. We also analyze the challenges that may arise at each stage. Our goal is to encourage the community to explore migration-based approaches more thoroughly and to tackle the key challenges that must be solved to advance automated software maintenance.
- Abstract（参考訳）: ソフトウェアライフサイクルにおけるメンテナンスは重要な段階であり、リリース後のシステムが信頼性があり、効率的で、適応可能であることを保証する。
しかしながら、手動のソフトウェアメンテナンスは労働集約的で、時間がかかり、エラーが発生しやすいため、自動化の緊急な必要性が浮かび上がっている。
他のソフトウェアシステム上で行われるメンテナンス活動から学ぶことは、効率を改善する効果的な方法を提供する。
特に、最近の研究では、マイグレーションベースのアプローチが、知識、アーティファクト、ソリューションをあるシステムから別のシステムに移行し、APIの進化適応、ソフトウェアテスト、障害修正のためのパッチの移行といったタスクに強い可能性を示すことが示されている。
これにより、自動メンテナンスを進める上で、マイグレーションベースのメンテナンスは貴重な研究方向になります。
本稿では,ソフトウェアメンテナンスへのマイグレーションベースのアプローチに関する,最初の体系的な研究課題を提示することによって,さらに一歩進める。
マイグレーションを通じて対処可能なメンテナンスタスクを識別する \ding{182} 、対象プロジェクトに適したマイグレーションソースを選択する \ding{183} 、関連するデータをシステム間でマッチングする\ding{184} 、移行したデータをターゲットコンテキストに適合させる \ding{185} 、移行の正しさを検証する \ding{185} である。
また、各段階で起こりうる課題を分析します。
私たちのゴールは、マイグレーションベースのアプローチをより徹底的に探求し、自動化されたソフトウェアメンテナンスを進める上で解決しなければならない重要な課題に取り組むようにコミュニティに促すことです。
関連論文リスト
- TimeMachine-bench: A Benchmark for Evaluating Model Capabilities in Repository-Level Migration Tasks [12.573674060643787]
TimeMachine-benchは、現実のPythonプロジェクトでソフトウェアマイグレーションを評価するために設計されたベンチマークである。
私たちのベンチマークは、依存関係の更新に応じてテストが失敗し始めるGitHubリポジトリで構成されています。
論文 参考訳（メタデータ） (2026-01-30T05:42:45Z) - Using Copilot Agent Mode to Automate Library Migration: A Quantitative Assessment [0.5735035463793009]
ソフトウェアシステムを最新の状態に保つことは、技術的負債、セキュリティ上の脆弱性、そしてレガシーシステムの典型的な剛性を避けるために不可欠である。
大規模言語モデル(LLM)やエージェントプログラミングシステムの最近の進歩は、そのような保守作業を自動化する新しい機会を提供する。
論文 参考訳（メタデータ） (2025-10-30T17:05:13Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - A Systematic Literature Review of Machine Learning Approaches for Migrating Monolithic Systems to Microservices [1.8684811414745408]
我々は,2015年から2024年にかけて発行された81の初等研究(PS)のアプローチと成果をまとめ,合成し,考察する体系的文献レビュー(SLR)を報告する。
本稿では,モノリシックシステム移行におけるML手法の活用を示す分類の形で,これらの知見を合成する。
論文 参考訳（メタデータ） (2025-08-21T20:21:52Z) - Migrating Code At Scale With LLMs At Google [0.0]
Googleでは,大規模で費用がかかる従来型の手動マイグレーションプロジェクトについて論じている。
変更位置探索と大規模言語モデル(LLM)を用いて開発者が移行を行うのを支援する新しい自動アルゴリズムを提案する。
我々のLLM支援ワークフローは、同様のイニシアチブのモデルとして機能する可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-13T18:52:44Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳（メタデータ） (2024-06-24T15:45:22Z) - Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。
本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。
以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2023-09-15T17:10:51Z) - Reinforcement and Deep Reinforcement Learning-based Solutions for
Machine Maintenance Planning, Scheduling Policies, and Optimization [1.6447597767676658]
本稿では,保守計画と最適化問題に対する強化学習と深部強化学習の応用に関する文献的考察を行う。
システムやマシンの状態監視データを強化学習に活用することにより、スマートメンテナンスプランナを開発することができ、スマートファクトリの実現の先駆けとなる。
論文 参考訳（メタデータ） (2023-07-07T22:47:29Z) - FIRE: A Failure-Adaptive Reinforcement Learning Framework for Edge Computing Migrations [54.34189781923818]
FIREは、エッジコンピューティングのディジタルツイン環境でRLポリシーをトレーニングすることで、まれなイベントに適応するフレームワークである。
ImREは重要なサンプリングに基づくQ-ラーニングアルゴリズムであり、希少事象をその値関数への影響に比例してサンプリングする。
FIREは故障時にバニラRLやグリーディベースラインと比較してコストを削減できることを示す。
論文 参考訳（メタデータ） (2022-09-28T19:49:39Z)
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。