論文の概要: Symetra: Visual Analytics for the Parameter Tuning Process of Symbolic Execution Engines

• arxiv url: http://arxiv.org/abs/2604.05349v1
• Date: Tue, 07 Apr 2026 02:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.583779
• Title: Symetra: Visual Analytics for the Parameter Tuning Process of Symbolic Execution Engines
• Title（参考訳）: Symetra: シンボリックな実行エンジンのパラメータチューニングプロセスのためのビジュアル分析
• Authors: Donghee Hong, Minjong Kim, Sooyoung Cha, Jaemin Jo,
• Abstract要約: KLEEのようなシンボリックな実行エンジンは、テストケースを自動的に生成してブランチカバレッジを最大化する。 その多数のパラメータは、パラメータの影響を理解するのが難しく、ユーザは、サブ最適のデフォルト設定に依存するようになる。 本稿では,Human-in-the-Loopパラメータチューニングをサポートする視覚分析システムであるSynetraを提案する。
• 参考スコア（独自算出の注目度）: 4.808210832109656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Symbolic execution engines such as KLEE automatically generate test cases to maximize branch coverage, but their numerous parameters make it difficult to understand the parameters' impact, leading the user to rely on suboptimal default configurations. While automated tuners have shown promising results, they provide limited insights into why certain configurations work well, motivating the need for Human-in-the-Loop approaches. In this work, we present a visual analytics system, Symetra, designed to support Human-in-the-Loop parameter tuning of symbolic execution engines. To handle a large number of parameters and their configurations, we provide two complementary overviews of their impact on branch coverage values and patterns. Building on these overviews, our system enables collective analysis, allowing the user to contrast groups of configurations and identify differences that may affect branch coverage. We also report on case studies and a Human-in-the-Loop tuning process, demonstrating that experts not only interpreted parameter impacts and identified complementary configurations, but also improved upon fully automated approaches in both branch coverage and tuning efficiency.
• Abstract（参考訳）: KLEEのようなシンボリックな実行エンジンは、自動でテストケースを生成してブランチカバレッジを最大化するが、その多数のパラメータはパラメータの影響を理解するのを難しくし、ユーザはサブ最適のデフォルト設定に依存する。 自動チューナーは有望な結果を示しているが、特定の構成がうまく機能する理由について限定的な洞察を与え、Human-in-the-Loopアプローチの必要性を動機付けている。 本研究では,シンボル実行エンジンのHuman-in-the-Loopパラメータチューニングをサポートするために設計された視覚分析システムであるSynetraを提案する。 多数のパラメータとその構成を扱うために、枝のカバレッジ値とパターンに対する影響を補完する2つの概要を提供します。 これらの概要に基づいて,本システムでは,構成群をコントラストし,枝のカバレッジに影響を与える可能性のある相違点を識別し,集合解析を可能にする。 また、ケーススタディとHuman-in-the-Loopチューニングプロセスについて報告し、パラメータの影響を解釈し、相補的な構成を同定するだけでなく、ブランチカバレッジとチューニング効率の両面で完全に自動化されたアプローチの改善も示した。

関連論文リスト

• Relation-Aware Bayesian Optimization of DBMS Configurations Guided by Affinity Scores [2.474203056060563]
  データベース管理システム(DBMS)は,大規模および異種データの管理に基本的であり,その性能は構成パラメータの影響を強く受けている。 近年の研究では、機械学習を用いた自動構成最適化に焦点が当てられているが、既存のアプローチにはいくつかの重要な制限がある。 パラメータ依存をグラフとして表現する新しいフレームワークであるRelTuneを提案し,パフォーマンス関連セマンティクスを符号化したGNNベースの潜伏埋め込みを学習する。
  論文  参考訳（メタデータ） (2025-10-31T03:46:42Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
  グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。 本稿では,制御可能なプロンプトチューニング(CPT)を提案する。 突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-03-05T06:23:55Z)
• Benchmarking the Operation of Quantum Heuristics and Ising Machines: Scoring Parameter Setting Strategies on Optimization Applications [14.554670718138398]
  最適化問題に対するパラメータ化解法の性能評価ガイドラインについて論じる。 本稿では,アルゴリズムの性能に影響を与えるパラメータの設定の必要性とコストについて論じる。 本稿では,実用的なパラメータチューニング戦略の設計,評価,可視化を容易にするオープンソースソフトウェアパッケージを提案する。
  論文  参考訳（メタデータ） (2024-02-15T16:58:33Z)
• A Dynamic Feature Interaction Framework for Multi-task Visual Perception [100.98434079696268]
  複数の共通認識課題を解決するための効率的な統合フレームワークを考案する。 これらのタスクには、インスタンスセグメンテーション、セマンティックセグメンテーション、モノクル3D検出、深さ推定が含まれる。 提案するフレームワークはD2BNetと呼ばれ,マルチタスク認識のためのパラメータ効率予測に一意なアプローチを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:24:46Z)
• Tree-Structured Parzen Estimator: Understanding Its Algorithm Components and Their Roles for Better Empirical Performance [4.629694186457132]
  Tree-structured Parzen estimator (TPE)は、HyperoptやOptunaといった最近のパラメータチューニングフレームワークで広く使われているベイズ最適化手法である。 その人気にもかかわらず、TPEにおける各制御パラメータの役割とアルゴリズムの直観は今のところ議論されていない。 本稿では,各種ベンチマークデータセットを用いたアブレーション研究に基づいて,各制御パラメータの役割とパラメータチューニングへの影響を明らかにする。
  論文  参考訳（メタデータ） (2023-04-21T17:02:38Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Parameter-Efficient Fine-Tuning Design Spaces [63.954953653386106]
  パラメータ効率の良いファインチューニング設計パラダイムを提案し、異なる実験環境に適用可能な設計パターンを探索する。 実験により,これらの手法は,異なるバックボーンモデルと自然言語処理における異なるタスク間のパラメータ効率の高い微調整戦略を連続的に,かつ著しく上回ることを示した。
  論文  参考訳（メタデータ） (2023-01-04T21:00:18Z)
• Visualization and Optimization Techniques for High Dimensional Parameter Spaces [4.111899441919165]
  本稿では,直接最適化手法と視覚分析研究を組み合わせた,ストレージシステムの最適化のための自動チューニングフレームワークを提案する。 本システムは,システムパフォーマンス研究者グループとの緊密なコラボレーションによって開発され,専門家インタビュー,比較ユーザスタディ,および2つのケーススタディによって最終効果が評価された。
  論文  参考訳（メタデータ） (2022-04-28T23:01:15Z)

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。