論文の概要: Feature Toggle Dynamics in Large-Scale Systems: Prevalence, Growth, Lifespan, and Benchmarking

• arxiv url: http://arxiv.org/abs/2604.15872v1
• Date: Fri, 17 Apr 2026 09:22:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.856982
• Title: Feature Toggle Dynamics in Large-Scale Systems: Prevalence, Growth, Lifespan, and Benchmarking
• Title（参考訳）: 大規模システムにおける機能トグルダイナミクス - 有病率、成長、寿命、ベンチマーク
• Authors: Xhevahire Tërnava,
• Abstract要約: 4000以上のトグルイベント(10MLoC,8.5年)とGitLab(5MLoC,5年)を分析します。 両方のシステムの追加に遅れがある機能トグルの削除が原因で、トグルの在庫が増えています。 これらの知見に基づいて、5つの主要な指標とその実験的に導出されたしきい値ゾーンを持つベンチマークフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.4264192013842096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feature toggles enable gradual rollouts and experimentation in software systems, yet often persist beyond their intended lifecycle, accumulating as technical debt. Prior research has examined feature toggle interactions and complexity, but no longitudinal study has quantified how toggles evolve over time across different organizational contexts. We analyse over 4,000 toggle events in Kubernetes (10 MLoC, 8.5 years) and GitLab (5 MLoC, 5 years). We find that feature toggle removals lags behind additions in both systems (by roughly 35% and 13%, respectively), leading to growing toggle inventories. Their lifespan patterns also differ notably, with Kubernetes toggles lasting a median of 734 days versus 185 in GitLab. Then, some feature toggles (1.33% and 0.73%, respectively) exceed all previously observed removal durations, becoming de facto permanent. Building on these findings, we propose a benchmarking framework with five key metrics and their empirically derived threshold zones, enabling practitioners to assess and compare toggle management practices across projects. All scripts and data are publicly available.
• Abstract（参考訳）: 機能トグルは、ソフトウェアシステムにおける段階的なロールアウトと実験を可能にする。 以前の研究では、機能トグルの相互作用と複雑性について検討されていたが、縦断的研究では、さまざまな組織状況において、トグルがどのように進化するかを定量化していない。 Kubernetes(10MLoC、8.5年)とGitLab(5MLoC、5年)で4000以上のトグルイベントを分析します。 両方のシステムの追加に遅れがある機能トグルの除去(それぞれ約35%と13%)は、トグルの在庫の増加につながります。 Kubernetesのトグルは、GitLabでは185日に対して、中央値は734日である。 その後、いくつかの特徴トグル(それぞれ1.33%と0.73%)は、観測された全ての除去期間を超え、事実上永久的になる。 これらの知見に基づいて,5つの主要な指標とその経験的に導出されたしきい値ゾーンを備えたベンチマークフレームワークを提案し,実践者がプロジェクト全体にわたるトグル管理の実践を評価し比較できるようにする。 すべてのスクリプトとデータは公開されています。

関連論文リスト

• ClawsBench: Evaluating Capability and Safety of LLM Productivity Agents in Simulated Workspaces [17.202580606345666]
  生産性タスクを自動化するために、大規模言語モデル(LLM)エージェントがますますデプロイされる。 既存のベンチマークは単純化された環境に依存しており、現実的なマルチサービス環境をキャプチャできない。 我々は,現実的な生産性設定におけるLCMエージェントの評価と改善のためのベンチマークであるClawsBenchを紹介する。
  論文  参考訳（メタデータ） (2026-04-06T21:09:06Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• Active Zero: Self-Evolving Vision-Language Models through Active Environment Exploration [72.84714132070404]
  受動的相互作用から視覚環境の能動的探索に移行する枠組みを提案する。 Active-Zeroでは,3つの共進化エージェントが採用されている。 モデルの機能フロンティアに基づいて,オープンワールドリポジトリからイメージを取得する検索だ。 12ベンチマークにわたるQwen2.5-VL-7B-インストラクションについて : Active-Zero 53.97 における推論タスクの平均精度(5.7%の改善)と一般理解における 59.77 について(3.9%の改善)
  論文  参考訳（メタデータ） (2026-02-11T17:29:17Z)
• Forecasting the Maintained Score from the OpenSSF Scorecard for GitHub Repositories linked to PyPI libraries [78.48200143057376]
  今後,OpenSSFが保持するスコアをどの程度予測できるかを検討する。 PageRankによって、最も中央のPyPIライブラリのトップ1%に関連付けられた3,220のGitHubリポジトリを分析します。 以上の結果から,今後の保守活動は有意義な精度で予測できることが示唆された。
  論文  参考訳（メタデータ） (2026-01-26T10:32:54Z)
• An ML-based Approach to Predicting Software Change Dependencies: Insights from an Empirical Study on OpenStack [0.6554326244334866]
  現代のソフトウェアシステムでは、依存関係はチーム間で複数のコンポーネントにまたがり、開発とデプロイメントの課題を生み出します。 2つのMLモデルを利用する半自動アプローチを提案する。 提案モデルでは,平均AUCスコアは79.33%,91.89%,Brierスコアは0.11,0.014であった。
  論文  参考訳（メタデータ） (2025-08-07T05:16:29Z)
• TS-Detector : Detecting Feature Toggle Usage Patterns [2.5899040911480182]
  現在、ソフトウェアエンジニアがソースコードからトグルの使用パターンを検出するツールは存在しない。 本稿では,6つの異なるプログラミング言語において,10のオープンソースプロジェクト間で5つの異なるトグル使用パターンを検出するツールを提案する。
  論文  参考訳（メタデータ） (2025-05-08T15:15:19Z)
• Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
  本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。 Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。 金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
  論文  参考訳（メタデータ） (2024-11-05T23:55:23Z)
• NEVIS'22: A Stream of 100 Tasks Sampled from 30 Years of Computer Vision Research [96.53307645791179]
  我々は,100以上の視覚的分類タスクのストリームからなるベンチマークであるNever-Ending VIsual-classification Stream (NEVIS'22)を紹介する。 分類に制限されているにもかかわらず、OCR、テクスチャ分析、シーン認識など、様々なタスクが生成される。 NEVIS'22は、タスクの規模と多様性のために、現在のシーケンシャルな学習アプローチに対して前例のない課題を提起している。
  論文  参考訳（メタデータ） (2022-11-15T18:57:46Z)

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。