論文の概要: Designing L5: A Permacomputing Approach to Creative Coding
- arxiv url: http://arxiv.org/abs/2606.18481v1
- Date: Tue, 16 Jun 2026 20:44:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:50.897391
- Title: Designing L5: A Permacomputing Approach to Creative Coding
- Title（参考訳）: L5の設計 - クリエイティブコーディングへのパーマ計算アプローチ
- Authors: Lee Tusman, Kit Kuksenok,
- Abstract要約: Processing/p5は初心者に優しいアプローチで知られており、芸術的・技術的なコミュニティに広く浸透している。
L5は、LOVEフレームワークを使用してLuaで実装された、このファミリーの新しいメンバーである。
本稿では,5つのケーススタディを通じて,L5の設計決定と持続可能性とユーザビリティの緊張関係について考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Creative coding libraries provide high-level tools that make computational and algorithmic art accessible to artists and learners. Processing/p5 is one such family of libraries, known for its beginner-friendly approach and wide reach across artistic and technical communities. L5 is a new member of this family, implemented in Lua using the LOVE framework. It applies permacomputing principles, a movement addressing sustainability in computing inspired by permaculture, bringing these values to a community of practice not historically centered on them. This paper explores L5's design decisions and tensions between sustainability and usability through five case studies: 1. balancing perceived simplicity versus exposing the seams, 2. designing for lower resource consumption, 3. ensuring long-term stability, 4. constraining functionality, and 5. designing documentation for resource-constrained access. Rather than optimizing for a single metric, sustainable creative tools require navigating competing values transparently.
- Abstract（参考訳）: クリエイティブコーディングライブラリは、計算とアルゴリズムのアートをアーティストや学習者に公開するための高度なツールを提供する。
Processing/p5は、初心者にやさしいアプローチで知られ、芸術的・技術的なコミュニティに広く浸透している図書館の1つである。
L5は、LOVEフレームワークを使用してLuaで実装された、このファミリーの新しいメンバーである。
パーマコンピューティングの原則(permacomputing principles)は、パーマカルチャーにインスパイアされたコンピューティングの持続可能性に対処する運動であり、これらの価値を歴史的に中心にされていない実践のコミュニティにもたらすものである。
本稿では,5つのケーススタディを通じて,L5の設計決定と持続可能性とユーザビリティの緊張関係について考察する。
1. シンプルさの知覚とシームの露光のバランス
2. 資源消費の低減のための設計
3.長期安定の確保。
4.制約機能、及び
5. リソース制限されたアクセスのためのドキュメントを設計する。
単一のメトリクスを最適化するのではなく、持続可能な創造ツールは、競合する価値を透過的にナビゲートする必要があります。
関連論文リスト
- Code Aesthetics with Agentic Reward Feedback [84.67242022647002]
大きな言語モデル(LLM)は、コード関連のタスクにおいて開発者にとって貴重なアシスタントになっている。
LLMは視覚的に指向するコーディングタスクに苦労し、しばしば準最適美学を生み出す。
LLM生成コードの美的品質を高めるための新しいパイプラインを導入する。
論文 参考訳（メタデータ） (2025-10-27T12:32:33Z) - Apriel-1.5-15b-Thinker [19.19917266898226]
Apriel-1.5-15B-Thinkerは15ビリオンパラメータのオープンウェイトマルチモーダル推論モデルである。
厳格なスケールではなく、トレーニング設計によってフロンティアレベルのパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-10-01T17:29:35Z) - VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。
我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。
モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
論文 参考訳（メタデータ） (2025-09-01T01:45:18Z) - 5C Prompt Contracts: A Minimalist, Creative-Friendly, Token-Efficient Design Framework for Individual and SME LLM Usage [0.0]
大きな言語モデル(LLM)は、ミッションクリティカルなアプリケーションにますます組み込まれています。
明示的で体系的なだけでなく、実用的で広くアクセス可能なほど最小限のフレームワークが求められている。
提案する5C Prompt Contractは,迅速な設計をフォールバックおよび出力最適化ディレクティブに蒸留するフレームワークである。
論文 参考訳（メタデータ） (2025-07-09T17:07:39Z) - Language Models for Code Optimization: Survey, Challenges and Future Directions [7.928856221466083]
ディープニューラルネットワーク(DNN)上に構築された言語モデル(LM)は、先日、ソフトウェアエンジニアリングタスクにおいて、画期的な効果を実証した。
本研究は、この急速に発展する分野において、研究者と実践者の両方に実行可能な洞察と参照を提供することを目的としている。
論文 参考訳（メタデータ） (2025-01-02T14:20:36Z) - SOLO: A Single Transformer for Scalable Vision-Language Modeling [74.05173379908703]
我々はvisiOn-Language mOdelingのための単一変換器SOLOを提案する。
SOLOのような統一された単一トランスフォーマーアーキテクチャは、LVLMにおけるこれらのスケーラビリティ上の懸念に効果的に対処する。
本稿では,オープンソースの7B LVLMであるSOLOの開発のための,最初のオープンソーストレーニングレシピを紹介する。
論文 参考訳（メタデータ） (2024-07-08T22:40:15Z) - DeLF: Designing Learning Environments with Foundation Models [3.6666767699199805]
強化学習(RL)は、基本的なシーケンシャルな意思決定問題に対して有能で直感な構造を提供する。
驚くべきブレークスルーにもかかわらず、多くの単純なアプリケーションで実際にRLを採用するのは難しい。
本稿では,ユーザが意図したアプリケーションに対して,RL環境のコンポーネントを設計する手法を提案する。
論文 参考訳（メタデータ） (2024-01-17T03:14:28Z) - nanoT5: A PyTorch Framework for Pre-training and Fine-tuning T5-style
Models with Limited Resources [1.9813574408340644]
我々はT5モデルの効率的な事前学習と微調整のためのフレームワークであるNanoT5を提案する。
NanoT5では、T5-Baseモデルをたった16時間で1つのGPU上で事前トレーニングすることが可能で、パフォーマンスが損なわれることはない。
コントリビューション、洞察、事前トレーニングされたモデルなど、私たちのコントリビューションは、一般向けに公開しています。
論文 参考訳（メタデータ） (2023-09-05T16:35:41Z)
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。