論文の概要: A Preliminary Model for Managing Technical Debt in an Agile Environment

• arxiv url: http://arxiv.org/abs/2606.07859v1
• Date: Fri, 05 Jun 2026 21:43:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.491245
• Title: A Preliminary Model for Managing Technical Debt in an Agile Environment
• Title（参考訳）: アジャイル環境で技術的負債を管理するための予備モデル
• Authors: Pedro E. Colla,
• Abstract要約: この作業は、開始されたが未完成の機能的負債を、単純な欠陥バックログと再作業から区別し、生産性の低下を技術的負債の利害として解釈し、単純で最大限の修正政策を導出する。 定式化の限界は、そのマクロ的な性質、組織的に安定なパラメータへの依存、時間的合理性の仮定、物語間の弱い結合の要件である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a preliminary model for managing involuntary technical debt in agile environments by formulating, in an integrated way, the dynamics among backlog, debt, velocity, and economic value. The work distinguishes initiated but unfinished functional debt from a simple defect back log and from rework, interprets productivity degradation as technical-debt interest, and derives the naive maximum-remediation policy in order to show its limitations against an intertemporal value-based decision. On this basis, a dynamic policy uk is proposed to balance new development and remediation; a decreasing marginal-value structure is incorporated; and the model is extended to discrete, inhomogeneous items. Exploratory validation through sensitivity analysis and MonteCarlo simulation shows behavior consistent with the economic intuition of the model. Finally, the limits of the formulation are made explicit: its macroscopic nature, its dependence on organizationally stable parameters, its assumption of intertemporal rationality, and its requirement of weak coupling among stories.
• Abstract（参考訳）: 本稿では、バックログ、負債、ベロシティ、経済価値のダイナミクスを定式化して、アジャイル環境での不随意技術的負債を管理するための予備モデルを提案する。 この作業は、開始されたが未完成の機能的負債を、単純な欠陥バックログと再作業とを区別し、生産性の低下を技術的負債の利害として解釈し、時間的価値に基づく決定に対する制限を示すために、単純かつ最小限の修正政策を導出する。 この観点から、新しい開発と修復のバランスをとるために動的ポリシーukが提案され、限界値構造が減少し、モデルは離散的で不均一な項目に拡張される。 感度解析とモンテカルロシミュレーションによる探索的検証は、モデルの経済的直観と一致した振る舞いを示す。 最後に、定式化の限界は、そのマクロ的な性質、組織的に安定なパラメータへの依存、時間的合理性の仮定、物語間の弱い結合の要求などを明確にしている。

関連論文リスト

• Yield Curves Dynamics Using Variational Autoencoders Under No-arbitrage [0.0]
  本稿では,Deep Learningの統計的柔軟性と,固定所得モデルにおける厳密な理論的制約の相違を解消する物理インフォームドフレームワークを提案する。 本研究では, 標準生成モデルと非制約統計外挿が, 様々なマクロ経済体制における項構造予測において, 「二重崩壊」 と「厳密な仲裁違反」に悩まされることを実証する。 究極的には、この研究は項構造モデリングのための高度にスケーラブルで数学的に健全な進化的エンジンを提供する。
  論文  参考訳（メタデータ） (2026-05-12T21:21:25Z)
• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• Why Self-Rewarding Works: Theoretical Guarantees for Iterative Alignment of Language Models [50.248686344277246]
  自己回帰言語モデル(SRLM)は、外部からのフィードバックなしに反復的にアライメントを改善することに成功している。 本稿では,SRLMの厳密な理論的保証について述べる。
  論文  参考訳（メタデータ） (2026-01-30T03:45:43Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Scalable Chain of Thoughts via Elastic Reasoning [61.75753924952059]
  Elastic Reasoningは、スケーラブルな思考の連鎖のための新しいフレームワークである。 推論は、独立して割り当てられた予算で、思考と解決の2つのフェーズに分けられる。 我々のアプローチは、制約のない設定でもより簡潔で効率的な推論をもたらす。
  論文  参考訳（メタデータ） (2025-05-08T15:01:06Z)
• Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
  本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。 本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。 実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-10T17:04:39Z)
• Distribution-consistency Structural Causal Models [6.276417011421679]
  我々は,新しいテクスト分布-一貫性仮定を導入し,それに合わせて分布-一貫性構造因果モデル(DiscoSCM)を提案する。 モデルキャパシティの強化を具体化するために,DiscoSCM単独で実用的重要性を有する新たな因果パラメータ,一貫性のテキスト化(textitthe probability of consistency)を導入する。
  論文  参考訳（メタデータ） (2024-01-29T06:46:15Z)
• DROMO: Distributionally Robust Offline Model-based Policy Optimization [0.0]
  モデルベース制御によるオフライン強化学習の問題点を考察する。 分散ロバストなオフラインモデルベースポリシー最適化(DROMO)を提案する。
  論文  参考訳（メタデータ） (2021-09-15T13:25:14Z)

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。