論文の概要: Two-Level vs. Multi-Level Modelling: An Empirical Study of Cascading Maintenance Burden

• arxiv url: http://arxiv.org/abs/2606.24721v1
• Date: Tue, 23 Jun 2026 15:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:49.043345
• Title: Two-Level vs. Multi-Level Modelling: An Empirical Study of Cascading Maintenance Burden
• Title（参考訳）: 2レベル対マルチレベルモデリング:カスケード保守バーデンの実証的研究
• Authors: Yuhong Fu, Weixing Zhang, Bowen Jiang, Haowei Cheng, Georg Grossmann, Karamjit Kaur, Matt Selway, Markus Stumptner,
• Abstract要約: MLM(Multi-level modelling)は人工物を統一し、共進化の負担を軽減する。 両パラダイムの共進化行動について,事前登録,突然変異に基づく実証比較を行った。 この設計は、パラダイムレベルの構造的選択がカスケードメンテナンスの負担に影響を及ぼすかどうかを評価するための最初の経験的フレームワークを提供する。
• 参考スコア（独自算出の注目度）: 2.992535912564069
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: When a core definition changes, every dependent artefact must be updated, a cascading problem central to software maintenance. In Model-Driven Engineering (MDE), the dominant two-level modelling (2LM) paradigm fragments domain knowledge across metamodel and model artefacts that must be kept mutually consistent, making co-evolution a persistent source of inconsistencies and effort. Multi-level modelling (MLM) unifies these artefacts and is claimed to reduce co-evolution burden, but this has not been tested in a controlled, paired comparison against 2LM. We hypothesise that MLM's structural unification yields fewer post-change inconsistencies and a smaller modification footprint than 2LM for semantically equivalent evolution scenarios. To test this, we present a pre-registered, mutation-based empirical comparison of co-evolution behaviour in both paradigms. From a curated corpus of published 2LM co-evolution scenarios, we construct semantically equivalent MLM counterparts, apply identical evolution mutations to both, and measure outcomes through automated consistency checking and pre-registered hypothesis tests. Positive controls and a blinded mapping protocol guard against bias. This design provides the first empirical framework for assessing whether paradigm-level structural choices affect cascading maintenance burden, operationalising co-evolution burden as two automatically measurable outcome variables and delivering a reusable benchmarking protocol for replication and extension.
• Abstract（参考訳）: コア定義が変更されると、依存するすべてのアーチファクトを更新しなければなりません。 モデル駆動エンジニアリング(MDE)では、支配的な2段階モデリング(2LM)パラダイムがメタモデルとモデルアーチファクトの間でドメインの知識を断片化します。 MLM(Multi-level modelling)はこれらのアーティファクトを統一し、共進化の負担を軽減すると主張されているが、制御されたペア比較では2LMと比較されていない。 MLMの構造的統一は、意味論的に等価な進化シナリオにおいて、2LMよりも変化後の矛盾が少なく、修正のフットプリントも少ないと仮定する。 これをテストするために、両パラダイムの共進化行動の事前登録、突然変異に基づく経験的比較を示す。 2LM共進化シナリオのキュレートされたコーパスから、意味論的に等価なMLMのコーパスを構築し、両方に同一の進化変異を適用し、自動整合性チェックと事前登録された仮説テストを通じて結果を測定する。 正のコントロールと盲目のマッピングプロトコルがバイアスに対処する。 この設計は、パラダイムレベルの構造的選択がカスケードメンテナンスの負担に影響を及ぼすかどうかを評価するための最初の実証的なフレームワークを提供し、2つの自動測定可能な結果変数として共進化の負担を運用し、レプリケーションと拡張のための再利用可能なベンチマークプロトコルを提供する。

関連論文リスト

• The Art of Interrogation: Consistency Amplifies Factuality in Spatial Reasoning [65.67266333751569]
  現在のLRM(Large Reasoning Models)は、空間推論タスクにおいて顕著な汎用性を示すが、性能は著しく劣る。 本研究では,内的推論プロセスを対象とした自己指導型強化学習フレームワークを提案する。 このラベルのない整合性トレーニングは,地道的な監督によって訓練されたモデルの精度にアプローチし,多様なタスクやデータ領域にまたがる同様の一般化を実現することを示す。
  論文  参考訳（メタデータ） (2026-06-10T10:50:06Z)
• Self-Evolving Spatial Reasoning in Vision Language Models via Geometric Logic Consistency [53.28076739140119]
  本稿では,視覚・言語モデル(VLM)における論理的一貫性を幾何学的・言語的双対性演算によって実現する枠組みを提案する。 SAGEは、従来のGRPO法に比べてモデルに依存しず、データ効率が良く、既存のVLMに軽量な後学習段階として適用することができる。 ビデオおよび空間推論ベンチマークの実験では、強いベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-05-18T10:05:21Z)
• Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits [11.902271500463934]
  生成エージェントはエージェントベースのモデリングに新しい表現力をもたらす。 研究者にとって小さな摂動は、マクロレベルの結果にカスケードすることができる。 TRAILSは3段階のシミュレーション設計にまたがる頑健性監査型分類法である。
  論文  参考訳（メタデータ） (2026-05-17T00:21:53Z)
• Coordinates of Capability: A Unified MTMM-Geometric Framework for LLM Evaluation [2.464003792743989]
  本稿では,Large Language Models (LLMs) 評価のための汎用多言語多手法(MTMM)フレームワークを提案する。 パラフレーズ不安定度,ドリフトスコア,オーバートン幅,プラナリズムスコアの9つの評価指標を定式化し,共有潜在座標空間内の幾何的測度として解釈する。 タスク非関連摂動を真の能力の範囲から体系的に分離することにより、このフレームワークは、堅牢で経験的に安定したベンチマーク設計のために理論的に基礎とドメインに依存しない分類を提供する。
  論文  参考訳（メタデータ） (2026-05-08T22:05:19Z)
• Group Cognition Learning: Making Everything Better Through Governed Two-Stage Agents Collaboration [13.299987551113809]
  グループ認知学習(グループ認知学習、Group Cognition Learning、GCL)は、モダリティ固有の符号化の後に2段階のプロトコルを適用する、管理された協調パラダイムである。 GCLはモダリティの優位性と結合を緩和し、回帰ベンチマークと分類ベンチマークの両方で最先端の結果を確立する。
  論文  参考訳（メタデータ） (2026-05-01T03:19:34Z)
• D-Models and E-Models: Diversity-Stability Trade-offs in the Sampling Behavior of Large Language Models [91.21455683212224]
  大規模言語モデル(LLMs)では、次の情報の関連性確率は、次の製品の関連性確率に関連付けられる。 しかし、きめ細かいサンプリング確率がタスク要求に忠実に適合するかどうかは未解決の問題だ。 P_tokenが大きなステップ・ツー・ステップの変動を示し、P_taskとの整合性が低いDモデルと、P_tokenがより安定してP_taskに整合するEモデルである。
  論文  参考訳（メタデータ） (2026-01-25T14:59:09Z)
• Multi-Level Collaboration in Model Merging [56.31088116526825]
  本稿では,モデルマージとモデルアンサンブルの本質的な関係について考察する。 これまでの制限が満たされていない場合でも、モデルのマージによって、アンサンブルと同じような、ほぼ同一かつ優れたパフォーマンスを達成する方法がまだ存在することが分かっています。
  論文  参考訳（メタデータ） (2025-03-03T07:45:04Z)
• Decoupling Training-Free Guided Diffusion by ADMM [17.425995507142467]
  非条件生成モデルと誘導損失関数を明確に分離する新しいフレームワークを提案する。 そこで我々は,これらの成分を適応的にバランスをとるために,alternating Direction Method of Multipliers (ADMM) に基づく新しいアルゴリズムを開発した。 実験の結果,提案手法は高品質なサンプルを連続的に生成することがわかった。
  論文  参考訳（メタデータ） (2024-11-18T23:05:54Z)
• Language as a Latent Sequence: deep latent variable models for semi-supervised paraphrase generation [47.33223015862104]
  本稿では,観測されたテキストから遅延シーケンス推論を行うVSARという新しい教師なしモデルを提案する。 また、テキストペアからの情報を活用するために、提案したVSARモデルと統合するために設計されたDDLと呼ばれる新しい教師付きモデルを導入する。 実験により, このモデルを組み合わせることで, 完全データに基づく最先端の教師付きベースラインに対して, 競争性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-01-05T19:35:30Z)

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。