論文の概要: Efficiency for Experts, Visibility for Newcomers: A Case Study of Label-Code Alignment in Kubernetes
- arxiv url: http://arxiv.org/abs/2603.24501v1
- Date: Wed, 25 Mar 2026 16:42:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.391644
- Title: Efficiency for Experts, Visibility for Newcomers: A Case Study of Label-Code Alignment in Kubernetes
- Title（参考訳）: エキスパートの効率性と新参者の可視性 - Kubernetesにおけるラベルコードアライメントのケーススタディ
- Abstract要約: GitHubのラベルはトリアージとコーディネーションをサポートしているが、コード修正との整合性についてはほとんど分かっていない。
GitHubプロジェクトのケーススタディとして、プルリクエストラベルと修正ファイルのアライメントであるラベル差分コングルーエンスを紹介します。
我々は、エリアラベルと完全ファイル差分による18,020件のプルリクエスト(2014-2025)を分析し、100万件以上のレビューコメントとラベル修正の分析によるアライメントの検証、タイム・ツー・マージと議論の特徴によるテスト関連性について検討した。
- 参考スコア（独自算出の注目度）: 3.8617052589472394
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Labels on platforms such as GitHub support triage and coordination, yet little is known about how well they align with code modifications or how such alignment affects collaboration across contributor experience levels. We present a case study of the Kubernetes project, introducing label-diff congruence - the alignment between pull request labels and modified files - and examining its prevalence, stability, behavioral validation, and relationship to collaboration outcomes across contributor tiers. We analyse 18,020 pull requests (2014--2025) with area labels and complete file diffs, validate alignment through analysis of over one million review comments and label corrections, and test associations with time-to-merge and discussion characteristics using quantile regression and negative binomial models stratified by contributor experience. Congruence is prevalent (46.6\% perfect alignment), stable over years, and routinely maintained (9.2\% of PRs corrected during review). It does not predict merge speed but shapes discussion: among core developers (81\% of the sample), higher congruence predicts quieter reviews (18\% fewer participants), whereas among one-time contributors it predicts more engagement (28\% more participants). Label-diff congruence influences how collaboration unfolds during review, supporting efficiency for experienced developers and visibility for newcomers. For projects with similar labeling conventions, monitoring alignment can help detect coordination friction and provide guidance when labels and code diverge.
- Abstract（参考訳）: GitHubのようなプラットフォーム上のラベルはトリアージとコーディネーションをサポートしているが、コード修正とどのように協調するか、あるいはコントリビュータエクスペリエンスレベル間でのコラボレーションにどのように影響するかは、ほとんど分かっていない。
本稿では、Kubernetesプロジェクトのケーススタディとして、プルリクエストラベルと修正ファイルのアライメントであるラベル-差分整合(labal-diff congruence)を導入し、その頻度、安定性、行動検証、コントリビュータ層間のコラボレーション結果との関係について検討する。
我々は、エリアラベルと完全ファイル差分による18,020件のプルリクエスト(2014-2025)を分析し、100万以上のレビューコメントとラベル修正の分析を通じてアライメントを検証するとともに、コントリビュータエクスペリエンスによって階層化された量子レグレッションと負の二項モデルを用いて、時間とマージおよび議論特性の関連性をテストする。
一致は一般的であり(46.6\%の完全整列)、数年にわたって安定し、定期的に維持される(レビュー中に修正されたPRの9.2\%)。
マージ速度は予測しないが、議論を形作る: コア開発者(サンプルの81パーセント)の間では、高いコングロレンス(congruence)がより静かなレビュー(18パーセント)を予測し、一方、1回のコントリビュータではより多くのエンゲージメント(28パーセント)を予測している。
Label-diff Congruenceは、レビュー中のコラボレーションの展開方法、経験豊富な開発者にとっての効率のサポート、新参者に対する可視性に影響を与える。
同様のラベル付けの慣例を持つプロジェクトでは、監視アライメントはコーディネーションの摩擦を検出し、ラベルとコードが分岐する際のガイダンスを提供するのに役立つ。
関連論文リスト
- Semantic Drift in Bug Resolution: How Behavioral Signals Propagate from Reports to Tests and Patches [18.727291516223115]
Desc2Fixは、バグレポートのセマンティックアライメント、テストのトリガー、開発者による修正を測定するフレームワークである。
GPT-4o と DeepSeek-Chat を用いて,Defects4J と SWT-Bench の2,857 個のレポート・パッチを解析した。
論文 参考訳（メタデータ） (2026-07-20T22:32:23Z) - Code-Centric Detection of Vulnerability-Fixing Commits: A Unified Benchmark and Empirical Study [4.512751676075442]
本稿では,統合フレームワークによる言語モデルに基づくVFC検出の包括的評価を行う。
コードの変更だけで、モデルが転送可能なセキュリティ関連コードを理解する証拠は見つからない。
グループ階層評価は、ランダムスプリットに比べて約17%のパフォーマンス低下を露呈する。
論文 参考訳（メタデータ） (2026-05-13T08:05:14Z) - FedHarmony: Harmonizing Heterogeneous Label Correlations in Federated Multi-Label Learning [76.62016339908384]
クライアント間での不均一なラベル相関を調和させるフレームワークであるFedHarmonyを提案する。
集約中、FedHarmonyはデータサイズと相関品質の両方で各クライアントを評価し、それに応じて重みを割り当てる。
実世界のフェデレートされたマルチラベルデータセットの実験は、FedHarmonyが一貫して最先端の手法より優れていることを示している。
論文 参考訳（メタデータ） (2026-04-30T15:42:17Z) - TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。
スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。
我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
論文 参考訳（メタデータ） (2025-09-25T13:04:29Z) - Are We on the Same Page? Examining Developer Perception Alignment in Open Source Code Reviews [2.66269503676104]
コードレビューは、オープンソースソフトウェア(OSS)開発において重要な側面であり、品質を確保し、コラボレーションを促進する。
本研究では,OSSコードレビュープロセスにおける認識,課題,バイアスについて考察し,コントリビュータとメンテナの視点に着目した。
論文 参考訳（メタデータ） (2025-04-25T15:03:39Z) - A Software Engineering Capstone Course Facilitated By GitHub Templates [0.9786690381850356]
フォルダ構造、テキストベースのテンプレートドキュメント、テンプレート問題など、チームが必要とするすべてのインフラストラクチャを含むGitHubテンプレートの使用を提案する。
2022/23年には、期限日に発生するコミットの24%を観察しました。2023/24年に、上記のアイデアを部分的に導入した後、この数値は18%向上しました。
提案手法を用いたチームと,そうでないチーム間で,コミットデータとインタビューデータを比較検討する実験を提案する。
論文 参考訳（メタデータ） (2024-10-15T23:27:54Z) - A Debiased Nearest Neighbors Framework for Multi-Label Text Classification [13.30576550077694]
マルチラベルテキスト分類(MLTC)のためのDebiased Nearest Neighbors(DENN)フレームワークについて紹介する。
組込みアライメントバイアスに対処するために,ラベル共起における近傍の一貫性を向上する,非バイアス付きコントラスト学習戦略を提案する。
信頼度推定バイアスには,$k$NNの予測と帰納的二分分類の適応的組み合わせを改善し,偏りのある信頼度推定戦略を提案する。
論文 参考訳（メタデータ） (2024-08-06T14:00:23Z) - Rethinking Affect Analysis: A Protocol for Ensuring Fairness and Consistency [24.737468736951374]
本稿では,データベース分割のための統一プロトコルを提案する。
我々は、(人種、性別、年齢の観点から)詳細な統計アノテーション、評価指標、および表現認識のための共通のフレームワークを提供する。
また、新しいプロトコルでメソッドを再実行し、より公平な比較で影響認識の今後の研究を促進するための新しいリーダーボードを導入します。
論文 参考訳（メタデータ） (2024-08-04T23:21:46Z) - Appeal: Allow Mislabeled Samples the Chance to be Rectified in Partial Label Learning [55.4510979153023]
部分ラベル学習(PLL)では、各インスタンスは候補ラベルのセットに関連付けられ、そのうち1つだけが接地真実である。
誤記されたサンプルの「アペアル」を支援するため,最初の魅力に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-18T09:09:52Z) - Towards Distribution-Agnostic Generalized Category Discovery [51.52673017664908]
データ不均衡とオープンエンドの分布は、現実の視覚世界の本質的な特性である。
我々は,BaCon(Self-Balanced Co-Advice contrastive framework)を提案する。
BaConは、対照的な学習ブランチと擬似ラベルブランチで構成され、DA-GCDタスクを解決するためのインタラクティブな監視を提供するために協力して動作する。
論文 参考訳（メタデータ） (2023-10-02T17:39:58Z) - Label Matching Semi-Supervised Object Detection [85.99282969977541]
半教師対象検出は,教師主導型自己学習の開発において大きな進歩を遂げている。
ラベルミスマッチ問題は、以前の研究でまだ完全に解明されていないため、自己学習中に重大な確証バイアスが生じる。
本稿では,2つの異なる相補的視点から,単純かつ効果的な LabelMatch フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-14T05:59:41Z) - Part-based Pseudo Label Refinement for Unsupervised Person
Re-identification [29.034390810078172]
教師なしの人物再識別(re-ID)は、ラベルなしデータから人物検索のための識別表現を学習することを目的としている。
近年の手法では擬似ラベルを用いることでこの課題が達成されているが,これらのラベルは本質的にノイズが多く,精度が低下している。
本稿では,グローバルな特徴と部分的特徴の相補関係を利用して,ラベルノイズを低減するPseudo Label Refinement (PPLR) フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-28T12:15:53Z) - A Theory-Driven Self-Labeling Refinement Method for Contrastive
Representation Learning [111.05365744744437]
教師なしのコントラスト学習は、正のイメージの作物と、負のイメージの作物とをラベル付けする。
本研究は, コントラスト学習において, 不正確なラベル割り当てがセマンティック・インスタンス識別の一般化を著しく損なうことを最初に証明する。
この理論に触発されて、コントラスト学習のための新しい自己ラベル改善手法を提案する。
論文 参考訳（メタデータ） (2021-06-28T14:24:52Z) - GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based
Sentiment Analysis [90.43089622630258]
本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。
提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
論文 参考訳（メタデータ） (2020-09-22T13:55:34Z)
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。