論文の概要: Detecting Underspecification in Software Requirements via k-NN Coverage Geometry

• arxiv url: http://arxiv.org/abs/2603.24248v1
• Date: Wed, 25 Mar 2026 12:38:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.290656
• Title: Detecting Underspecification in Software Requirements via k-NN Coverage Geometry
• Title（参考訳）: k-NN被覆幾何によるソフトウェア要件の不特定の検出
• Abstract要約: Geogapは、ソフトウェア仕様の欠落した要求タイプを検出する幾何学的手法である。 PROMISE NFRベンチマークでは、Geogapは完全に欠落した要求タイプを検出するために0.935 AUROCを達成した。
• 参考スコア（独自算出の注目度）: 2.0142272536975945
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose \geogap{}, a geometric method for detecting missing requirement types in software specifications. The method represents each requirement as a unit vector via a pretrained sentence encoder, then measures coverage deficits through $k$-nearest-neighbour distances z-scored against per-project baselines. Three complementary scoring components -- per-point geometric coverage, type-restricted distributional coverage, and annotation-free population counting -- fuse into a unified gap score controlled by two hyperparameters. On the PROMISE NFR benchmark, \geogap{} achieves 0.935 AUROC for detecting completely absent requirement types in projects with $N \geq 50$ requirements, matching a ground-truth count oracle that requires human annotation. Six baselines confirm that each pipeline component -- per-project normalisation, neural embeddings, and geometric scoring -- contributes measurable value.
• Abstract（参考訳）: 本稿では,ソフトウェア仕様に欠けている要求型を検出する幾何学的手法であるgeogap{}を提案する。 この方法は、事前訓練された文エンコーダを介して各要件を単位ベクトルとして表現し、その後、プロジェクト毎のベースラインに対してz-scoredされた$k$-nearest-neighbour距離を通してカバレッジ欠陥を測定する。 3つの相補的なスコアリングコンポーネント -- 点当たりの幾何学的カバレッジ、型制限された分布カバレッジ、アノテーションなし人口カウント -- は、2つのハイパーパラメータによって制御される統一されたギャップスコアに融合する。 PROMISE NFR ベンチマークでは、 \geogap{} が 0.935 AUROC を達成した。 6つのベースラインは、各パイプラインコンポーネント(プロジェクトごとの正規化、神経埋め込み、幾何学的スコアリング)が測定可能な値に貢献していることを確認している。

関連論文リスト

• SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
  推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。 既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。 明示的なWhat-whereインターフェースであるSeGDePを提示する。
  論文  参考訳（メタデータ） (2026-09-08T15:11:32Z)
• SSTQ:Privacy-Preserving Vector Quantization via Subsampled Stochastic TurboQuant [79.24089819400126]
  Subsampled TurboQuant (SSTQ) は、オーバーコンプリートな等幅のタイトフレーム、座標サブサンプリング、プライバシ対応量子化を組み合わせたフレームワークである。 SSTQは平均2乗誤差スケーリングを実現し、クライアントあたり$lceil log N il + b$ bitsを使用する。 また、コードブックに依存したMSEスケーリングを$O(4b)$から$O(2b)$に削減する、プライバシを意識したコードブックの目的も導出します。
  論文  参考訳（メタデータ） (2026-08-05T17:51:25Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• GeoRouteNet: Geometry-Enhanced Non-Autoregressive Neural Solver for the Traveling Salesman Problem [5.202950948929751]
  GeoRouteNetはユークリッド旅行セールスマン問題(TSP)のための幾何学強化ニューラルネットワークである モデル側では、GeoRouteNetには、中心ノード機能、学習可能なラジアル距離基底関数、距離対応グラフアテンション、LayerNorm-SwiGLUフィードフォワードブロック、層間減衰残エンコーダミキシングが組み込まれている。 トレーニング側では,インスタンス毎に複数の候補ツアーを抽出するマルチ候補自己比較強化学習(MCS-RL)を設計する。
  論文  参考訳（メタデータ） (2026-06-22T02:31:22Z)
• Internalizing Geometric Law: Learning from Solver Residuals for Precision-Critical Generation [2.459492253868525]
  自然言語からのオープンエンド幾何合成について検討する。 私たちは、宣言的制約を微分可能な損失にコンパイルするプログラマブルな幾何学的DSLであるPyGeoXをリリースします。 本稿では,SAR(Saturating Additive Rewards)を提案する。
  論文  参考訳（メタデータ） (2026-06-08T09:44:31Z)
• Representation Without Reward: A JEPA Audit for LLM Fine-Tuning [1.2691047660244335]
  JEPA(Joint-embedding predictive Architectures)は、モデルが観測された出力よりも遅延表現を予測できるように訓練された時に、より有用な抽象化を学ぶべきであることを提案している。 自己回帰型言語モデルの微調整には、この原理はより厳密な要件を必要とする。 我々は、Llama-3.2-1B-Instruct LoRA を用いて、自然言語からレジェックス生成におけるその要件を検証した。
  論文  参考訳（メタデータ） (2026-05-14T20:27:32Z)
• Spatial Atlas: Compute-Grounded Reasoning for Spatial-Aware Research Agent Benchmarks [1.5229257192293202]
  空間認識型研究エージェントのための計算基底推論(CGR)を導入する。 CGRは空間認識型研究エージェントの設計パラダイムであり、全ての答え可能なサブプロブレムは決定論的計算によって解決される。 我々は,CGRが解釈可能性を維持しながら競争精度を向上することを示した。
  論文  参考訳（メタデータ） (2026-04-13T22:22:07Z)
• Provably Adaptive Linear Approximation for the Shapley Value and Beyond [73.0940890296463]
  基本的で長期にわたる課題は、その効率的な近似である。 一般に用いられるすべての半値に対して$P(|hatboldsymbol-boldsymbol|_2geq)leq$を必要とする線形空間アルゴリズムを開発する。 本アルゴリズムは,各ユーティリティ関数の平均二乗誤差の明示的最小化を可能にする。
  論文  参考訳（メタデータ） (2026-04-09T16:38:14Z)
• GST-VLA: Structured Gaussian Spatial Tokens for 3D Depth-Aware Vision-Language-Action Models [6.2676602262188625]
  VLAモデルは、内在的な幾何学構造を持たない2次元パッチトークンとして視覚観察を符号化する。 GST-VLAを2つのコントリビューションで紹介する。 第一に、ガウス空間Tokenizer (GST) は凍った深度と凍ったセマンティックパッチの特徴を3Dプリミティブに変換する。 第二に、DA-CoT推論は4つの構造化された中間空間的思考を監督する。
  論文  参考訳（メタデータ） (2026-03-10T01:39:38Z)
• Explore Intrinsic Geometry for Query-based Tiny and Oriented Object Detector with Momentum-based Bipartite Matching [29.566669515949155]
  IGOFormerは、固有の幾何学を特徴デコードに統合する、クエリベースのオブジェクト指向オブジェクト検出器である。 歴史的マッチングコストを適応的に集約するモメンタムベースのBipartite Matchingスキームを開発した。 航空機指向物体検出におけるIGOFormerの優位性を示す実験とアブレーション実験を行った。
  論文  参考訳（メタデータ） (2026-02-14T11:40:56Z)
• In-Context Operator Learning on the Space of Probability Measures [11.178575236157961]
  最適輸送のための確率測度空間上でのemphin-context演算子学習を提案する。 解演算子をパラメタライズし、スケーリング法理論を2つのシステマで開発する。 合成輸送および生成モデルベンチマークに関する数値実験により,その枠組みが検証された。
  論文  参考訳（メタデータ） (2026-01-15T01:44:10Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Learning Signed Hyper Surfaces for Oriented Point Cloud Normal Estimation [53.19926259132379]
  我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。 符号付き超曲面は、局所的および大域的な情報を集約する高次元特徴空間において暗黙的に学習される。 注意重み付き正規予測モジュールをデコーダとして提案し,局所およびグローバル潜時符号を入力として向きの正規を推定する。
  論文  参考訳（メタデータ） (2023-05-10T03:40:25Z)
• Batch Normalization in Cytometry Data by kNN-Graph Preservation [0.0]
  Time-of-Flight(CyTOF)データによる高次元サイトメトリーにおけるバッチ効果は、比較分析の課題である。 従来のバッチ正規化法は、細胞集団に固有の複雑なトポロジカル構造を保存できない可能性がある。 本稿では,CyTOFデータのバッチ正規化に特化した,残差ニューラルネットワークを用いたポイントセット登録手法を提案する。
  論文  参考訳（メタデータ） (2023-03-31T18:06:26Z)
• $\texttt{FedBC}$: Calibrating Global and Local Models via Federated Learning Beyond Consensus [66.62731854746856]
  フェデレートラーニング(FL)では、デバイス全体にわたるモデル更新の集約を通じて、グローバルモデルを協調的に学習する目的は、ローカル情報を通じたパーソナライズという目標に反対する傾向にある。 本研究では,このトレードオフを多基準最適化により定量的にキャリブレーションする。 私たちは、$texttFedBC$が、スイートデータセット間でグローバルおよびローカルモデルのテスト精度のメトリクスのバランスをとることを実証しています。
  論文  参考訳（メタデータ） (2022-06-22T02:42:04Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Geometry Constrained Weakly Supervised Object Localization [55.17224813345206]
  弱教師付きオブジェクトローカライゼーションのための幾何制約付きネットワークであるGC-Netを提案する。 検出器は、幾何学的形状を記述する係数の集合によって定義された物体の位置を予測する。 ジェネレータは、得られたマスクされた画像を入力として、オブジェクトとバックグラウンドの2つの補完的な分類タスクを実行する。 従来のアプローチとは対照的に、GC-Netはエンドツーエンドでトレーニングされ、後処理なしでオブジェクトの位置を予測する。
  論文  参考訳（メタデータ） (2020-07-19T17:33:42Z)
• A Provably Efficient Sample Collection Strategy for Reinforcement Learning [123.69175280309226]
  オンライン強化学習(RL)における課題の1つは、エージェントがその振る舞いを最適化するために、環境の探索とサンプルの活用をトレードオフする必要があることである。 1) 生成モデル(環境のスパースシミュレータなど)にアクセス可能な状態のサンプル数を規定する「対象別」アルゴリズム,2) 所定のサンプルをできるだけ早く生成する「対象別」サンプル収集。
  論文  参考訳（メタデータ） (2020-07-13T15:17:35Z)

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。