論文の概要: Interface-Variant Dynamics in Software Ecosystems: Resolver-Induced Selection and Adoption in Package Graphs

• arxiv url: http://arxiv.org/abs/2606.31817v1
• Date: Tue, 30 Jun 2026 15:29:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.28513
• Title: Interface-Variant Dynamics in Software Ecosystems: Resolver-Induced Selection and Adoption in Package Graphs
• Title（参考訳）: ソフトウェアエコシステムにおけるインタフェース変数のダイナミクス:パッケージグラフにおけるリゾルバによる選択と導入
• Abstract要約: 本稿では,その観察が進化的レバーベリングではなく,負荷を伴うソフトウェア工学的推定器であるかどうかを問う。 インターフェースヒストリー,監査npm,Central,PyPI,crates.ioパッケージグラフ,パッケージマネージャリゾルバプローブの実行2100,クリーンコンフリクト確率からエコシステム固有の選択$s$を推定し,その測定値$s$を用いて,観測パッケージグラフ上のペアワイズ対応吸収過程を前方に評価する。
• 参考スコア（独自算出の注目度）: 0.2864713389096699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compatibility research usually treats an interface change as a local writer-reader decision. Distributed software stacks make that decision population structured: an RPC, telemetry, middleware, or service-contract variant is introduced by one provider release and then spreads, stalls, or is mediated across consumers, transitive dependencies, and resolver rules. This paper asks when that observation is a load-bearing software-engineering estimator rather than evolutionary relabeling. We mine interface histories, audit npm, Maven Central, PyPI, and crates.io package graphs, execute 2100 package-manager resolver probes, estimate an ecosystem-specific selection coefficient $s$ from clean conflict probabilities, and use that measured $s$ to forward evaluate a pairwise-comparison absorbing process on the observed package graph. We separate three evidential roles. Fixation is a forward evaluation, not independent evidence: once $s$ is measured, deviation from $1/N$ follows mechanically from the non-neutral process. Checker-derived direction carries adoption signal: a direction-permutation null gives checker-direction gap MAE 0.07 versus null median 0.43 ($p=0.002$). But because that direction is derived from the same boundary state whose admitting frequency is predicted, it is a diagnostic rather than an orthogonal selection test. The stricter checker-free temporal test asks whether early resolver-channel features predict later blocked-to-admitted flips; in this snapshot they do not beat age-only (Brier 0.28 versus 0.24, AUC 0.51 versus 0.54). The result is a reproducible estimator audit for interface-variant dynamics in distributed package graphs, showing where resolver evidence becomes population input and where the current registry data still fail to close the resolver-to-adoption loop.
• Abstract（参考訳）: 互換性の研究は通常、インタフェースの変更をローカルなライターと読者の判断として扱う。 RPC、テレメトリ、ミドルウェア、サービス-コントラクトの亜種は、1つのプロバイダのリリースによって導入され、その後拡散、停止、あるいはコンシューマ、推移的な依存関係、リゾルバルールによって媒介される。 本稿では,その観察が進化的レバーベリングではなく,負荷を伴うソフトウェア工学的推定器であるかどうかを問う。 インターフェースヒストリー,監査 npm, Maven Central, PyPI, crates.ioパッケージグラフ, 2100パッケージマネージャレゾルバプローブの実行, クリーンコンフリクト確率からエコシステム固有の選択係数$s$を推定, そして, その測定値$s$を用いて, 観測されたパッケージグラフ上のペアワイズ比較吸収プロセスの評価を行う。 私たちは3つの明らかな役割を分けます。 固定は前もっての評価であり、独立した証拠ではない:$s$が測定されると、1/N$からの偏差は非中立過程から機械的に従う。 方向置換 null はチェッカー指向のギャップ MAE 0.07 を与えるが、ヌル中央値 0.43 (p=0.002$) である。 しかし、その方向は、許容周波数が予測される同じ境界状態から導かれるため、直交選択テストではなく診断である。 より厳密なチェッカーフリー時間検定では、初期リゾルバチャネルの機能は後続のブロック・トゥ・アミテッド・フリップを予測できるかを問うが、このスナップショットでは年齢のみに勝ることはない(Brier 0.28 対 0.24, AUC 0.51 対 0.54)。 その結果、分散パッケージグラフにおけるインタフェース変動ダイナミクスの再現可能な推定器監査を行い、リゾルバエビデンスが集団入力となり、現在のレジストリデータがリゾルバ・ツー・アロプションループをクローズできないことを示す。

関連論文リスト

• From Truncation to Commitment: Persistent Context in Uniform Discrete Diffusion [5.2262942936091905]
  均一状態の離散拡散モデルは、すべての位置を変更可能にしながら、すべてのトークンを並列に更新する。 我々は、選択したargmaxトークンを格納し、その後のモデル入力に挿入する訓練不要なサンプルである、コミット露光サンプリング(CRS)を提案する。
  論文  参考訳（メタデータ） (2026-09-01T10:43:24Z)
• Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
  分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。 我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
  論文  参考訳（メタデータ） (2026-08-06T19:49:48Z)
• SSTQ:Privacy-Preserving Vector Quantization via Subsampled Stochastic TurboQuant [79.24089819400126]
  Subsampled TurboQuant (SSTQ) は、オーバーコンプリートな等幅のタイトフレーム、座標サブサンプリング、プライバシ対応量子化を組み合わせたフレームワークである。 SSTQは平均2乗誤差スケーリングを実現し、クライアントあたり$lceil log N il + b$ bitsを使用する。 また、コードブックに依存したMSEスケーリングを$O(4b)$から$O(2b)$に削減する、プライバシを意識したコードブックの目的も導出します。
  論文  参考訳（メタデータ） (2026-08-05T17:51:25Z)
• Detecting and Discriminating Operator Misspecification in Hybrid PDE-Parameter Learning: a Reference-Free Instrument, with Discrimination Bounded In Sample [0.0]
  私たちは1つのフィットから読み取る楽器を作り、オラクルは持っていません。 回復時に神経推定器がTikhonov-regularized inversionに負ける、事前登録された負の機器である、装置の盲点を報告する。
  論文  参考訳（メタデータ） (2026-08-04T21:20:44Z)
• Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors [0.6999740786886536]
  低ビット量子化により、小さな推論モデルは安価に展開できるが、思考の連鎖を分解することができる。 中心となるトークンのlog-probabilityは$log p(w_t)+H_t$が間違ったオブザーバブルであることを示します。 本稿では,トークンの不確実性と明示的な繰り返しを混在させるデジェネレーションを意識したアラームスコアを組み合わせた,トレーニング不要な復号制御手法を提案する。
  論文  参考訳（メタデータ） (2026-07-13T09:34:36Z)
• Uncertainty Quantification for Computer-Use Agents: A Benchmark across Vision-Language Models and GUI Grounding Datasets [6.896160570537455]
  本稿では,単段階実行可能なGUIグラウンドにおけるポストホックUQのクロスレジームベンチマークであるArgusを紹介する。 我々は,ロジットに基づくスコア,サンプリングと整合性尺度,隠れ状態および密度推定器,P(True)および言語信頼促進手法の評価を行った。 UQランキングは、固定モデルのためにデータセット間で安定しているが、モデルクラスとオブザーバブルインターフェース間で分解される。
  論文  参考訳（メタデータ） (2026-06-24T12:34:28Z)
• Evaluating AI Investment Strategies [0.0]
  我々は、観測可能な入力と出力のみからブラックボックスのアルゴリズム決定を監査する問題について検討する。 厳密な条件下では、動的ポリシーの累積的表現は、コストベクトルとポリシーの決定の間の周期毎の共分散の和と等しい。 我々は、そのアイデンティティがコストと平均偏見のないマルコフポリシーの真下にあることを証明し、非定常および時変ケースに対する閉形式バイアス補正を導出し、割引された水平アナログを確立する。
  論文  参考訳（メタデータ） (2026-06-07T19:16:50Z)
• Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
  emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。 EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
  論文  参考訳（メタデータ） (2026-05-28T09:45:47Z)
• The Geometry of Forgetting: Temporal Knowledge Drift as an Independent Axis in LLM Representations [50.43168858368539]
  大規模言語モデルは自信を持って時代遅れの回答を生成し、既存の方法では検出できない。 これは工学的な失敗ではなく構造的な失敗であり、時間的ドリフトは、幾何的に残留流の方向として、正確性と不確実性の両方に符号化される。
  論文  参考訳（メタデータ） (2026-05-09T22:27:31Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• No Validation, No Problem: Predicting Model Performance from a Single Gradient [1.9336815376402718]
  本稿では,1つの前方パスからの検証不要なチェックポインティング信号を提案する。 ImageNet-1k CNNとTransformers全体で、このプロキシはTop-1に強く否定的で、損失に肯定的です。
  論文  参考訳（メタデータ） (2026-01-23T16:30:11Z)
• The Good, the Bad, and the Sampled: a No-Regret Approach to Safe Online Classification [25.36548531839979]
  本研究は, リスクが未知のロジスティックモデルによって管理される2次性疾患の結果に対して, 個人を順次検査する問題について考察する。 我々のゴールは、必要となるコストのかかるテストの総数を最小限に抑えながら、誤分類のごく一部が予め特定されたエラー耐性を超えないことを保証することです。 これにより、エラー制約のあるロジスティックテストに対する最初のノンレグレット保証が確立され、コストセンシティブな医療スクリーニングに直接適用される。
  論文  参考訳（メタデータ） (2025-10-01T15:28:00Z)
• Online Learning of Optimal Sequential Testing Policies [7.8024154978341365]
  被験者のストリームに対して最適なテストポリシーを求めるオンライン学習問題について検討する。 対象に対するすべての候補テストを実行することで、より多くの情報が得られるが、サブセットのみを選択することが望ましい場合が多い。 我々は、ミニマックスの後悔は少なくとも$Omega(Tfrac23)$としてスケールしなければならないことを証明し、エピソードMDPの$Theta(sqrtT)$レートとは対照的である。
  論文  参考訳（メタデータ） (2025-09-03T20:44:32Z)
• Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding [52.1068936424622]
  治療が介入によって設定された場合、対象変数$Y$に対して、予測因果効果$E[Y|do(X)]$を推定する問題を考える。 選択バイアスや欠点のない設定では、$E[Y|do(X)] = E[Y|X]$ となる。 選択バイアスとコンバウンディングの両方を組み込んだフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-26T13:43:37Z)
• Beyond Invariance: Test-Time Label-Shift Adaptation for Distributions with "Spurious" Correlations [44.99833362998488]
  テスト時のデータ分散の変化は、予測モデルのパフォーマンスに有害な影響を及ぼす可能性がある。 本研究では,未ラベルサンプルに適用したEMを用いて,共同分布の$p(y, z)$の変化に適応するテストタイムラベルシフト補正を提案する。
  論文  参考訳（メタデータ） (2022-11-28T18:52:33Z)

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。