Fugu-MT 論文翻訳(概要): CobbleDB: Modelling Levelled Storage by Composition

論文の概要: CobbleDB: Modelling Levelled Storage by Composition

arxiv url: http://arxiv.org/abs/2604.06273v2
Date: Thu, 09 Apr 2026 12:08:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-10 14:10:47.886452
Title: CobbleDB: Modelling Levelled Storage by Composition
Title（参考訳）: CobbleDB: 構成によるレベル付きストレージのモデリング
Authors: Emilie Ma, Ayush Pandey, Annette Bieniusa, Marc Shapiro,
Abstract要約: 本稿では, コンストラクション・データベース・バックアップ・ストアを構築するためのコンストラクション・ベース・アプローチを提案する。仕様保証ストアの等価性を活用してパフォーマンス特性を構築し、CobbleDBで実用的な価値を実証する。
参考スコア（独自算出の注目度）: 0.935172636487923
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a composition-based approach to building correctby-construction database backing stores. In previous work, we specified the behaviour of several store variants and proved their correctness and equivalence. Here, we derive a Java implementation: the simplicity of the specification makes manual construction straightforward. We leverage spec-guaranteed store equivalence to compose performance features, then demonstrate practical value with CobbleDB, a reimplementation of RocksDB's levelled storage.
Abstract（参考訳）: 本稿では, コンストラクション・データベース・バックアップ・ストアを構築するためのコンストラクション・ベース・アプローチを提案する。過去の研究では、いくつかの店舗のバリエーションの振る舞いを規定し、その正しさと等価性を証明した。ここでは、Javaの実装を導きます。仕様の単純さによって手作業による構築が簡単になります。スペック保証されたストアの等価性を活用してパフォーマンス機能を構築し、RocksDBのレベル付きストレージを再実装したCobbleDBで実用的価値を実証する。

関連論文リスト

On Pretraining for Project-Level Code Completion [0.061386715480643554]
リポジトリレベルの事前トレーニングは、コードの大規模な言語モデルが広いコンテキストを活用できるようにするために一般的に使用される。本研究では,OpenCoderにおける複数のリポジトリ処理戦略がコンテキスト内学習に与える影響について検討する。
論文参考訳（メタデータ） (2025-10-15T15:55:19Z)
Text2Mem: A Unified Memory Operation Language for Memory Operating System [59.082901444153684]
モデルエージェントのための統一メモリ操作言語であるText2Memを紹介する。 Text2Memは、自然な正確性を保証するための標準化されたパスを提供する。
論文参考訳（メタデータ） (2025-09-14T07:30:09Z)
Integrating Hierarchical Semantic into Iterative Generation Model for Entailment Tree Explanation [7.5496857647335585]
本稿では,HiSCG (Controller-Generator) の枠組みに基づいて文の階層的意味論を統合するアーキテクチャを提案する。提案手法はEntailmentBankデータセットの3つの設定で同等のパフォーマンスを実現する。
論文参考訳（メタデータ） (2024-09-26T11:46:58Z)
Structured Case-based Reasoning for Inference-time Adaptation of Text-to-SQL parsers [46.85977355976352]
セマンティック解析のための推論時間適応法は、繰り返し微調整をすることなく、新たに観測された領域の例を活用するのに有用である。構造化ケースベース推論手法であるStructCBRを提案する。我々は、StructCBRが事前の推論時適応法よりも一貫した性能向上を実現していることを示す。
論文参考訳（メタデータ） (2023-01-10T18:20:42Z)
Binary Representation via Jointly Personalized Sparse Hashing [22.296464665032588]
二元表現学習のための効果的な教師なし手法、すなわち、共同パーソナライズされたスパースハッシュ(JPSH)を提案する。異なるパーソナライズされたサブスペースは、異なるクラスタのカテゴリ固有の属性を反映するように構成される。 JPSHにおける意味とペアの類似性を同時に保存するために,PSHと多様体に基づくハッシュ学習をシームレスな定式化に組み込む。
論文参考訳（メタデータ） (2022-08-31T14:18:37Z)
Entailment Tree Explanations via Iterative Retrieval-Generation Reasoner [56.08919422452905]
我々はIRGR(Iterative Retrieval-Generation Reasoner)と呼ばれるアーキテクチャを提案する。本モデルでは,テキストの前提からステップバイステップの説明を体系的に生成することにより,与えられた仮説を説明することができる。前提条件の検索と細分化木の生成に関する既存のベンチマークを上回り、全体の正しさはおよそ300%向上した。
論文参考訳（メタデータ） (2022-05-18T21:52:11Z)
Hash Layers For Large Sparse Models [48.90784451703753]
フィードフォワード層を現在のトークンによって異なる重みのセットにハッシュし、シーケンス内のすべてのトークンに対して変更する。本手法は, 学習と学習の混合手法に比較して, 性能が優れているか, あるいは競争的であるかを示す。
論文参考訳（メタデータ） (2021-06-08T14:54:24Z)
Dynabench: Rethinking Benchmarking in NLP [82.26699038776812]
動的データセットの作成とモデルベンチマークのためのオープンソースプラットフォームであるdynabenchを紹介する。 DynabenchはWebブラウザで動作し、ループ内の人間とモデルデータセットの作成をサポートする。私たちは、これらの概念を図示し、プラットフォームの約束を強調する4つの初期のNLPタスクを報告します。
論文参考訳（メタデータ） (2021-04-07T17:49:17Z)
Table Search Using a Deep Contextualized Language Model [20.041167804194707]
本稿では、アドホックテーブル検索のタスクに、文脈化言語モデルBERTを用いる。本稿では,テーブル検索における先行文献の特徴を取り入れた手法を提案し,BERTと共同で学習する。
論文参考訳（メタデータ） (2020-05-19T04:18:04Z)
Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。