論文の概要: Deforking the World of Code: A Project-Provenance Map that Recovers Cross-Forge Fork Families that Platform Graphs Cannot See

• arxiv url: http://arxiv.org/abs/2606.29550v2
• Date: Thu, 02 Jul 2026 18:44:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 13:04:58.256113
• Title: Deforking the World of Code: A Project-Provenance Map that Recovers Cross-Forge Fork Families that Platform Graphs Cannot See
• Title（参考訳）: Deforking the World of Code: プラットフォームグラフが見ることができないクロスフォームフォークファミリを復元するプロジェクト・プロヴァンス・マップ
• Abstract要約: We release a curated deforking map for the World of Code (WoC) version V2604: p2PFull。 すべての生のレポジトリ p を、その属する除かれたプロジェクト P に分解する。 GH ForkEventsから再構築されたGitHubの宣言されたフォークグラフに対するマップを検証する。
• 参考スコア（独自算出の注目度）: 2.788646205877688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forks share git history, so a commit surfaces in many repositories and any spread- or popularity-based measure over raw repositories is inflated by orders of magnitude. We release a curated deforking map for the World of Code (WoC) version V2604: p2PFull, which collapses every raw repository p into the deforked project P to which it belongs, built from the global shared-commit relation (51.79M shared-commit groups) via a hub-node star encoding and parallel Louvain clustering, plus capped variants (cap250/cap500) that bound mega-cluster size. The naive shared-history union over-merges: the project graph welds unrelated software into giant clusters (largest uncapped cluster 861,948 repositories, bridged by shared-commit groups as large as 267,200), for the same structural reason author-identity graphs do. A cheap size cap removes the boilerplate-hub bridges; a structural-bridge diagnostic, the cut that dissolved the analogous author mega-cluster, run here but deliberately not applied, shows the post-cap residual is genuine vendored history, robust to the cut, so we leave it intact. We validate the map against GitHub's declared fork graph reconstructed from GHArchive ForkEvents, finding 99.01% edge agreement conditional on both repositories being in WoC. Disagreements fall into two classes: a completeness byproduct (edges GitHub asserts but WoC has not ingested) and the central contribution, WoC-only fork families that GitHub's platform graph cannot represent, including 5.41% multi-forge families and 1.51% whose fork root is not on GitHub. We additionally release a refreshed fork-exclusion list (134.1M children, 3.4x the GHTorrent-era 39.5M) and a detached-fork inventory (455,550 hard-detached edges; 240,441 genuine independent origins). All artifacts are a self-contained, independently hosted replication package keyed to the WoC V2604 collection.
• Abstract（参考訳）: フォークはgit履歴を共有するため、多くのリポジトリにおけるコミットサーフェスと、生リポジトリに対するスプレッドシートや人気ベースの指標は、桁違いに膨らみます。 We release a curated deforking map for the World of Code (WoC) version V2604: p2PFull, which which which which are into the deforked project P, built from the global shared-commit relation (51.79M shared-commit groups) through a hub-node star encoding and parallel Louvain clustering, plus capped variants (cap250/cap500) which bound mega-cluster size。 プロジェクトグラフは、関係のないソフトウェアを巨大なクラスタ(最大861,948のクラスタ、最大267,200の共有コミットグループによってブリッジされている)に溶接する。 構造橋診断では、類似のメガクラスターを溶かしたカットがここで実行され、意図的に適用されないため、ポストキャップの残留物は真にベンダー化された歴史であり、カットに対して堅牢であることを示します。 我々は、GHArchive ForkEventsから再構築されたGitHubの宣言されたフォークグラフに対するマップを検証する。 完全性副産物(GitHubが主張しているが、WoCは摂取していない)と中心的なコントリビューション、GitHubのプラットフォームグラフが表現できないWoCのみのフォークファミリ(5.41%のマルチフォージファミリと、フォークルーがGitHubにない1.51%を含む)である。 また,455,550個の硬脱離縁,240,441個の真に独立した原点)とGHTorrent-era 39.5M(GHTorrent-era 39.5M)の3.4倍の更新フォーク排除リストもリリースした。 全てのアーティファクトは、WoC V2604コレクションにキーされた、自己完結した、独立にホストされた複製パッケージである。

関連論文リスト

• GRAND-HC: Graph-Refined Author Name Disambiguation [58.02589236670033]
  From-Scratch Name Disambiguation (SND) は、曖昧な名前を共有する論文を、異なる現実世界の著者のクラスタにまとめる。 完全なエンドツーエンドSNDフレームワークである textbfGRAND-HC を提案する。
  論文  参考訳（メタデータ） (2026-08-24T08:21:28Z)
• More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning [54.65906330923846]
  対象中心のスロット表現は、事前学習された視覚モデルに代わる構造化された代替物であることを示す。 トークンの16倍の高密度なパッチグリッドは、グローバル機能に匹敵するパフォーマンスはない。 明示的な2D空間目標とネイティブ解像度レンダリングにより、全システムは68.7$pm$4.2%まで上昇し、特権付き3Dオーラクルの上界の直ぐ下にある。
  論文  参考訳（メタデータ） (2026-07-10T10:35:24Z)
• Scaling Author Identity Disambiguation to the World of Code: A Methodology [2.788646205877688]
  本稿では,WoC (World of Code) コレクション(バージョン V2604, バージョン V2604, 6B コミット上の 107M の異なる著者文字列)を標準人物にエイリアスするための方法論について述べる。 このスケールでは、中心的な問題はマージの過大さであり、マージの欠落ではない。 デプロイされた設計の背後にある完全な実験記録(失敗を含む20以上の実験を含む)を報告する。
  論文  参考訳（メタデータ） (2026-07-08T02:30:26Z)
• Claimed or Attested? A Commit-Signature Dataset and Identity Trust Tiers across the World of Code [2.788646205877688]
  We release the first commit-signature axis for the World of Code (WoC) V2604コーパスの5,866,595,698コミットのうち、17.59%が署名を持っている。 全てのアーティファクトは、WoC V2604コレクションにキーされた、自己完結した、依存的にホストされた複製パッケージとしてリリースされる。
  論文  参考訳（メタデータ） (2026-07-07T12:19:25Z)
• A Global Author-Identity Map for the World of Code:62.7M Developer Identities from 106.8M Author Strings over 5.87B Commits [2.788646205877688]
  We release a curated author-identity map for World of Code (WoC) version V2604 cover all 5,866,595,698 commits。 マップはメガクラスタフリーで、最大のクラスタ6,910 id(1つのGitHubノプリーID)であり、60億のコミットの73.5%をマルチIDに解決している。 我々は, 誤差ファミリー, 分割, クランプの双方を報告し, グローバル・スケール・ユニオン・マップが主張する高精度の精度が, 膨らんだ領域を決して計測しない人工物であることを示す。
  論文  参考訳（メタデータ） (2026-07-07T12:09:45Z)
• Was It Never Collected, or Rewritten Away? A Commit-Provenance Dataset Separating Ingestion Gaps from Upstream History Edits across the World of Code [2.788646205877688]
  私たちは、欠落したコミットを大規模に分離するコミット改善データセットをリリースします。 1,118,116,350件以上のコミットがあり、53.35%がWoC(World of Code)に登録されている。 15分の1の欠落したコミットケースは、ミラーギャップではなく、プロジェクトを削除した書き直しである。
  論文  参考訳（メタデータ） (2026-07-02T21:12:43Z)
• Fractional Verkle Trees: A Hypertree Decomposition and Verified Proof Serialization Architecture for High-Performance Blockchain State Accumulators [0.0]
  We present Fractional Verkle Trees (FVT), a hypertree serialization decomposition global state into N independent sub-accumulator coordinateed by a Merkle commitment tree。 Apple M1 Proのベンチマークでは、ヒープ割り当ての57%(566,760から242,004バイト/10K$)、並列挿入は2,433 ns/op、ネットワーク全体では6000のフルノードで1年4.85PBである。
  論文  参考訳（メタデータ） (2026-06-15T07:16:07Z)
• CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories [0.5872014229110213]
  ソフトウェアは、コミットメッセージ、プルリクエストの議論、スレッド発行に大量の構造化されていない知識を蓄積します。 エージェントのタイプメモリアーキテクチャ(MemGPT、生成エージェント、YangらのPlugMemモジュール)に関する最近の研究は、エージェントメモリは生の対話テキストではなく、蒸留された型付き知識であるべきだと主張している。 私たちは、決定論的、依存性なし、ローカルのみ、埋め込みなしという制約のある体制の下で、ソフトウェアリポジトリ自身のgit履歴にそのスタンスを適用します。
  論文  参考訳（メタデータ） (2026-05-18T12:14:28Z)
• What's Inside a GitHub Repository? An Empirical Study on the Contents of 10K Projects [1.439946676159516]
  本稿では,実世界のGitHubの内容をよりよく理解するために,最初の経験的分析を提案する。 私たちは、10万のGitHubリポジトリに存在するファイル、ディレクトリ、エクステンション、および10年間の進化を分析します。
  論文  参考訳（メタデータ） (2026-05-15T23:30:44Z)
• Mapping Text to Multiplex Graph: Prompt Compression as Lévy Walk-Guided Graph Pruning [55.43705665875779]
  RAGPは、多重グラフ上の冗長性を考慮したグラフプルーニングとして、即時圧縮を定式化する。 LongBenchの実験では、RAGPは平均スコア49.3を4倍の圧縮比で達成している。
  論文  参考訳（メタデータ） (2026-05-04T01:41:31Z)
• Weaponizing the Commons: A Taxonomy and Detection Framework of Abuse on GitHub [31.618034402766018]
  GitHubは現代のソフトウェアサプライチェーンにおいて重要な役割を担っており、セキュリティが重要な研究課題となっている。 既存の研究は主にCI/CD自動化、コラボレーションパターン、コミュニティ管理に重点を置いている。 本稿では,GitHubの悪用行為の報告を体系的にレビューし,要約し,公的な乱用事例の実証分析を行う。 本研究は,ソフトウェアセキュリティの観点から,その多様な症状と根本原因を特徴付ける包括的分類法を提案する。
  論文  参考訳（メタデータ） (2026-04-20T07:37:03Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Unveiling A Hidden Risk: Exposing Educational but Malicious Repositories in GitHub [0.0]
  私たちはChatGPTを使って、ソフトウェアリポジトリに公開されたコンテンツを理解し、注釈付けします。 教育目的のみのために作成されたとされる35.2KのGitHubリポジトリのコレクションについて、体系的な調査を行っている。
  論文  参考訳（メタデータ） (2024-03-07T11:36:09Z)
• Generative and Contrastive Paradigms Are Complementary for Graph Self-Supervised Learning [56.45977379288308]
  Masked Autoencoder (MAE)は、マスク付きグラフエッジやノード機能の再構築を学ぶ。 Contrastive Learning (CL)は、同じグラフの拡張ビュー間の類似性を最大化する。 我々は,MAE と CL を統一するグラフコントラッシブマスク付きオートエンコーダ (GCMAE) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T05:06:06Z)
• Dink-Net: Neural Clustering on Large Graphs [59.10189693120368]
  ディープグラフクラスタリング法 (Dink-Net) は, 拡張と縮小という概念を用いて提案される。 ノードを識別することにより、拡張によって劣化しても、表現は自己教師された方法で学習される。 クラスタリング分布は、提案したクラスタ拡張損失とクラスタ縮小損失を最小化することにより最適化される。 ランナアップと比較して、Dink-Net 9.62%は1100万ノードと16億エッジを持つogbn-papers100MデータセットでNMIの改善を実現している。
  論文  参考訳（メタデータ） (2023-05-28T15:33:24Z)
• 1st Place Solution of The Robust Vision Challenge (RVC) 2022 Semantic Segmentation Track [67.56316745239629]
  本報告では,ECCV 2022におけるロバストビジョンチャレンジのセマンティックセグメンテーション課題に対する勝利解について述べる。 本手法では,エンコーダとしてFAN-B-Hybridモデルを採用し,セグメンテーションフレームワークとしてSegformerを使用している。 提案手法は,マルチドメインセグメンテーションタスクの強力なベースラインとして機能し,今後の作業に役立てることができる。
  論文  参考訳（メタデータ） (2022-10-23T20:52:22Z)

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。