論文の概要: MOVis: A Visual Analytics Tool for Surfacing Missed Patches Across Software Variants

• arxiv url: http://arxiv.org/abs/2604.01494v1
• Date: Thu, 02 Apr 2026 00:08:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.168071
• Title: MOVis: A Visual Analytics Tool for Surfacing Missed Patches Across Software Variants
• Title（参考訳）: MOVis: ソフトウェア変数にまたがる見当たらないパッチを視覚的に分析するツール
• Authors: Jorge Gonzalo Delgado Cervantes, John Businge, Daniel Ogenrwot,
• Abstract要約: ソースとターゲットの変種間の欠落機会(MO)パッチを可視化するツールであるMOVisを紹介する。 これによって開発者は、ミスした修正を素早く見つけ、必要な適応を理解し、ソフトウェア亜種間の一貫性をより効率的に維持できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clone-and-own development produces families of related software variants that evolve independently. As variants diverge, important fixes applied in one repository are often missing in others. PaReco has shown that thousands of such missed opportunity (MO) patches exist across real ecosystems, yet its textual output provides limited support for understanding where and how these fixes should be propagated. We present MOVis, a lightweight, interactive desktop tool that visualizes MO patches between a source and target variant. MOVis loads PaReco's MO classifications and presents patched and buggy hunks side-by-side, highlighting corresponding regions and exposing structural differences that hinder reuse. This design enables developers to quickly locate missed fixes, understand required adaptations, and more efficiently maintain consistency across software variants. The tool, replication package, and demonstration video are available at https://zenodo.org/records/18356553 and https://youtu.be/Ac-gjBxHJ3Y.
• Abstract（参考訳）: Clone-and-own開発は、独立して進化する関連するソフトウェア変異のファミリーを生成する。 変種が多様化するにつれて、あるリポジトリで適用される重要な修正が、他のリポジトリには欠落することが多い。 PaRecoは、実際のエコシステムに何千もの欠落した機会(MO)パッチが存在することを示したが、そのテキスト出力は、どのように修正を広めるべきかを理解するための限定的なサポートを提供する。 我々は、ソースとターゲットの変種間のMOパッチを可視化する、軽量でインタラクティブなデスクトップツールであるMOVisを紹介する。 MOVisはPaRecoのMO分類をロードし、パッチとバグのあるハンクを並べて表示し、対応するリージョンを強調し、再利用を妨げる構造的な違いを明らかにする。 この設計により、開発者はミスした修正を素早く見つけ、必要な適応を理解し、ソフトウェア亜種間の一貫性をより効率的に維持できる。 ツール、レプリケーションパッケージ、デモビデオはhttps://zenodo.org/records/18356553とhttps://youtu.be/Ac-gjBxHJ3Yで公開されている。

関連論文リスト

• 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)
• SVRepair: Structured Visual Reasoning for Automated Program Repair [17.545585659174773]
  大規模言語モデル(LLM)は、最近、APR(Automated Program repair)の強力な可能性を示している。 構造化された視覚表現を持つマルチモーダルAPRフレームワークである textbfSVRepair を提案する。 SVRepairはまず視覚言語モデルであるtextbfStructured Visual Representation (SVR) を微調整し、不均一な視覚的アーティファクトをアンフェマティックなシーングラフに変換する。
  論文  参考訳（メタデータ） (2026-02-05T06:26:46Z)
• Vision-as-Inverse-Graphics Agent via Interleaved Multimodal Reasoning [105.35082963701541]
  VIGA(Vision-as-Inverse-Graphic Agent)は、クローズドループの書き込み-ラン-レンダー-補完-修正手順によってシーンを再構築または編集する。 長距離推論をサポートするために、VIGAは(i)ジェネレータと検証ロールを交換するスキルライブラリと(ii)進化するコンテキストメモリを組み合わせた。
  論文  参考訳（メタデータ） (2026-01-16T09:11:55Z)
• DynaPURLS: Dynamic Refinement of Part-aware Representations for Skeleton-based Zero-Shot Action Recognition [51.80782323686666]
  textbfDynaPURLSは、堅牢でマルチスケールなビジュアル・セマンティック対応を確立する統一的なフレームワークである。 我々のフレームワークは、グローバルな動きと局所的な身体部分のダイナミクスの両方を含む階層的なテキスト記述を生成するために、大きな言語モデルを活用する。 NTU RGB+D 60/120とPKU-MMDを含む3つの大規模ベンチマークデータセットの実験は、DynaPURLSが先行技術よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-12-12T10:39:10Z)
• Refactoring-Aware Patch Integration Across Structurally Divergent Java Forks [0.0]
  本稿では,14種類の派生型におけるパッチ統合障害に関する実証的研究を行い,RePatchを紹介した。 RePatchは、元々対称的なマージ用に設計されたRefMergeフレームワークを拡張し、非対称なパッチ転送をサポートする。 478のバグフィックスプルリクエストの評価では、構造的なミスアライメントのため、Git cherry-pickは64.4%のケースで失敗し、RePatchは、以前失敗したパッチの52.8%をうまく統合しました。
  論文  参考訳（メタデータ） (2025-08-08T21:34:05Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Patch-CLIP: A Patch-Text Pre-Trained Model [6.838615442552715]
  パッチ表現学習は、ソフトウェア生成における機械学習の機能を活用するために必要な研究の方向性として登場した。 紹介する。 Theweak-CLIPは、パッチと自然言語テキストのための新しい事前トレーニングフレームワークである。 私たちはそれを示します。 Theweak-CLIPは、新しい最先端のパフォーマンスを設定し、BLEU、ROUGE-L、METEOR、リコールといったメトリクスにおける最先端のパフォーマンスを一貫して上回る。
  論文  参考訳（メタデータ） (2023-10-19T14:00:19Z)
• TransFER: Learning Relation-aware Facial Expression Representations with Transformers [28.168810464145313]
  そこで我々は,リッチリレーショナル・アウェアな局所表現を学習可能なTransFERモデルを提案する。 主にMulti-Attention Dropping (MAD)、ViT-FER、Multi-head Self-Attention Dropping (MSAD)の3つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2021-08-25T08:28:34Z)

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。