論文の概要: Towards Automatically Inferring Constraints to Identify Implicit Assumptions in Data Analysis
- arxiv url: http://arxiv.org/abs/2607.03114v1
- Date: Fri, 03 Jul 2026 08:55:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 13:04:30.044028
- Title: Towards Automatically Inferring Constraints to Identify Implicit Assumptions in Data Analysis
- Title（参考訳）: データ分析における意図しない推定を識別するための制約の自動推論に向けて
- Abstract要約: 我々は、爆発的な概念実証実装を背景とした、データ分析における暗黙の仮定に関する統一的な例駆動の視点を提供する。
本稿では,静的解析手法を用いて,そのような仮定を識別し,コード制約の形で明示する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.41998444721319217
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-level languages such as R or Python are used frequently to analyze and visualize data in the form of scripts or notebooks. However, these artifacts suffer from reproducibility issues due to what we frame as implicit assumptions made by the authors. Such assumptions range from package versions and shapes of involved data tables, to manual and often undocumented setup steps. Within this work, we provide a unified, example-driven perspective on implicit assumptions in data analysis backed by an explorative proof-of-concept implementation. With this perspective, we propose the use of static analysis techniques to identify such assumptions and to make them explicit in the form of code constraints, focusing on the inclusion of data-analysis-specific issues. Such constraints can then be used to automatically transform these scripts into executable and reproducible artifacts, to check these assumptions at runtime, and to serve as documentation to support code reuse and comprehension.
- Abstract（参考訳）: RやPythonのようなハイレベルな言語は、スクリプトやノートブックの形式でデータを分析して視覚化するために頻繁に使用される。
しかしながら、これらのアーティファクトは、著者が暗黙の仮定とみなしているため、再現性の問題に悩まされる。
このような仮定は、関連するデータテーブルのパッケージバージョンや形状から、手動でしばしば文書化されていないセットアップステップまで様々である。
この研究の中では、爆発的な概念実証実装を背景として、データ分析における暗黙の仮定に関する統一的な例駆動の視点を提供する。
この観点から,このような仮定を識別し,コード制約の形で明示的にするための静的解析手法を提案する。
このような制約は、これらのスクリプトを実行可能で再現可能なアーティファクトに自動変換し、実行時にこれらの仮定をチェックし、コードの再利用と理解をサポートするドキュメントとして機能するために使用することができる。
関連論文リスト
- Benchmarking Open-Source Layout Detection Models for Data Snapshot Extraction from Institutional Documents [0.0]
テキストデータスナップショット抽出のためのベンチマークデータセットと評価フレームワークを提案する。
複数のオープンソースのレイアウト検出モデルをベンチマークし、検出性能と空間抽出品質を評価した。
これらの知見は、汎用文書レイアウト分析と運用上有用なデータスナップショット抽出の間に持続的なギャップを浮き彫りにする。
論文 参考訳（メタデータ） (2026-06-04T14:47:40Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Software Testing with Large Language Models: An Interview Study with Practitioners [2.198430261120653]
ソフトウェアテストにおける大きな言語モデルの使用は、多くのタスクをサポートするにつれて急速に増加しています。
しかし、彼らの採用は構造的なガイダンスよりも非公式な実験に依存していることが多い。
本研究は,ソフトウェアテスト専門家が LLM を用いて,予備的,実践的インフォームドガイドラインを提案する方法について考察する。
論文 参考訳（メタデータ） (2025-10-20T05:06:56Z) - ADVMEM: Adversarial Memory Initialization for Realistic Test-Time Adaptation via Tracklet-Based Benchmarking [49.57556157169541]
テスト時間適応(TTA)手法をベンチマークするための新しいトラックレットベースのデータセットを提案する。
このデータセットの目的は、ハンドヘルドカメラや自動運転車によって撮影された画像など、現実世界の環境で遭遇する複雑な課題を模倣することである。
論文 参考訳（メタデータ） (2025-09-02T10:45:33Z) - An Analysis of Datasets, Metrics and Models in Keyphrase Generation [33.04325179283727]
キーワード生成(英: Keyphrase generation)とは、文書を要約する単語やフレーズの集合を生成するタスクである。
本稿では,キーフレーズ生成に関する50以上の研究論文の分析を行い,最近の進歩,限界,オープン課題について概観する。
論文 参考訳（メタデータ） (2025-06-12T04:54:44Z) - Fact Checking Beyond Training Set [64.88575826304024]
本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。
本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。
次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
論文 参考訳（メタデータ） (2024-03-27T15:15:14Z) - Shapley Based Residual Decomposition for Instance Analysis [0.0]
機能ではなくデータインスタンスに対する回帰の残余を分解するという考え方を紹介します。
これにより、各インスタンスがモデルと相互に与える影響を判断することができ、それによって、関心のあるインスタンスを識別するモデルに依存しない方法が実現されます。
論文 参考訳（メタデータ） (2023-05-30T08:07:41Z) - Text Characterization Toolkit [33.6713815884553]
我々は、新しいモデルやベンチマークを示す際に、より深い結果分析がデファクトスタンダードになるべきだと論じている。
研究者はデータセットの特性とそれらの特性がモデルの振る舞いに与える影響を研究するために利用できるツールを提案する。
論文 参考訳（メタデータ） (2022-10-04T16:54:11Z) - A Token-level Reference-free Hallucination Detection Benchmark for
Free-form Text Generation [50.55448707570669]
本稿ではトークンレベルの参照なし幻覚検出タスクとHaDesというアノテーション付きデータセットを提案する。
このデータセットを作成するために、まず英語のウィキペディアから抽出された大量のテキストセグメントを摂り込み、それからクラウドソースアノテーションで検証する。
論文 参考訳（メタデータ） (2021-04-18T04:09:48Z) - Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。
人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
論文 参考訳（メタデータ） (2021-04-17T21:34:10Z) - Robust Document Representations using Latent Topics and Metadata [17.306088038339336]
本稿では,文書分類問題に対する事前学習型ニューラルネットワークモデルの微調整手法を提案する。
テキストとメタデータの両方をタスク形式でキャプチャする文書表現を生成します。
私たちのソリューションでは、メタデータを単にテキストで拡張するのではなく、明示的に組み込んでいます。
論文 参考訳（メタデータ） (2020-10-23T21:52:38Z) - ToTTo: A Controlled Table-To-Text Generation Dataset [61.83159452483026]
ToTToはオープンドメインの英語のテーブル・トゥ・テキストのデータセットで、12万以上のトレーニングサンプルがある。
本稿では、ウィキペディアから既存の候補文を直接修正するデータセット構築プロセスを紹介する。
通常流動的であるが、既存の方法は多くの場合、表がサポートしていないフレーズを幻覚させる。
論文 参考訳（メタデータ） (2020-04-29T17:53:45Z)
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。