論文の概要: LLM-Driven CI-CD Workflow Intelligence for Cyber Systems Engineering
- arxiv url: http://arxiv.org/abs/2607.04579v1
- Date: Mon, 06 Jul 2026 01:11:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.983918
- Title: LLM-Driven CI-CD Workflow Intelligence for Cyber Systems Engineering
- Title（参考訳）: サイバーシステム工学のためのLCM駆動CI-CDワークフローインテリジェンス
- Abstract要約: CI/CDは、サイバーシステム工学にとって重要な測定ポイントとなっている。
最近の大規模言語モデル(LLM)の研究は、ワークフローステージを構成ファイルから直接認識できることを示している。
リポジトリの強化、アンチパターン検出、ステージマイニング、大規模なGitHubコーパス上のレコメンデーション生成を組み合わせたLCMベースのCI/CD分析パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 3.1316126410579304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: CI/CD workflows have become executable operational policy: they decide what gets built, tested, released, and deployed, and they mediate how maintainers interact with delivery infrastructure. That makes them an important measurement point for cyber-systems engineering. Recent large language model (LLM) work shows that workflow stages can be recognized directly from configuration files, but stage labels alone do not tell us whether a workflow is brittle, unusual for its ecosystem, or worth revising first. We present an LLM-based CI/CD analysis pipeline that combines repository enrichment, anti-pattern detection, stage mining, and recommendation generation over a large GitHub corpus. Starting from 59,550 repositories with at least 1,000 stars, we identify 34,225 projects with CI/CD and collect 127,559 configuration files. Across 75,201 analyzed workflows, the anti-pattern detector reports 434,769 findings, dominated by reliability and maintainability issues. Across 59,906 configurations, stage usage differs significantly by language ($χ^2 = 4168.88$, $p < 0.001$, Cramer's $V = 0.063$), and domain analysis shows distinct operational profiles, including higher release and cache usage in mobile projects. For repository-level recommendation generation, few-shot prompting performs best overall, averaging 8.25 recommendations per repository with 96.1% YAML-valid snippets. Taken together, the results argue for CI/CD observability that combines diagnosis, context, and human review rather than treating workflow mining as a stage-classification problem alone.
- Abstract（参考訳）: CI/CDワークフローは実行可能な運用ポリシとなり、ビルド、テスト、リリース、デプロイが決定され、メンテナがデリバリインフラストラクチャとどのように対話するかを仲介する。
これにより、サイバーシステムエンジニアリングにとって重要な測定ポイントとなる。
最近の大規模言語モデル(LLM)の研究は、ワークフローステージが構成ファイルから直接認識可能であることを示しているが、ステージラベルだけではワークフローが不安定であるか、エコシステムに異常であるか、あるいは最初に修正する価値があるかを教えてくれない。
リポジトリの強化、アンチパターン検出、ステージマイニング、大規模なGitHubコーパス上のレコメンデーション生成を組み合わせたLCMベースのCI/CD分析パイプラインを提案する。
少なくとも1,000の星を持つ59,550のリポジトリから、CI/CDで34,225のプロジェクトを特定し、127,559のコンフィギュレーションファイルを収集します。
75,201件のワークフローを分析し、このアンチパターン検出装置は信頼性と保守性の問題から434,769件の発見を報告した。
59,906構成全体では、ステージ利用は言語によって大きく異なる( ^2 = 4168.88$, $p < 0.001$, Cramer's $V = 0.063$)。
リポジトリレベルのレコメンデーション生成では、ほとんどショットプロンプトは、リポジトリ当たり平均8.25のレコメンデーションと96.1%のYAML-validスニペットを実行する。
まとめると、ワークフローマイニングをステージ分類問題として扱うのではなく、診断、コンテキスト、人間レビューを組み合わせたCI/CD観測可能性について議論する。
関連論文リスト
- LoopsBench: From Harness Engineering to Loop Engineering in Benchmarking Coding Agent [60.27239351179265]
LOOPSBENCHは、符号化エージェント評価におけるループエンジニアリングのベンチマークである。
8つのプログラミング言語と9つのドメインにまたがる、本物のソースからの112のタスクで構成されている。
フロー対応ランタイムは、準備されたフロンティアに沿ってテストをリリースし、レグレッション義務として完了したノードを保持します。
論文 参考訳（メタデータ） (2026-07-31T20:18:25Z) - ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。
全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
論文 参考訳（メタデータ） (2026-06-30T06:06:08Z) - Mind the Gap: Can Frontier LLMs Pass a Standardized Office Proficiency Exam? [90.39633603556767]
コンピュータ自動化のための大規模言語モデル(LLM)エージェントは加速しているが、複雑なプロフェッショナルグレードの生産性ソフトウェアをナビゲートする能力はほとんどテストされていない。
この能力を定量化するために,中国のコンピュータランク試験(NCRE)に基づく評価を導入する。
我々は7つのフロンティア LLM をベンチマークし、スターク制限を観測した。
より強力なエージェントシステムであり、実行フィードバック、反復的修復、より広いオフィス自動化アクセスは68.8%に達するが、スコアの正当性チェックとして使われる95.5%のコミュニティ基準スコアを下回っている。
論文 参考訳（メタデータ） (2026-06-09T14:59:14Z) - ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
$textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。
Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
論文 参考訳（メタデータ） (2026-05-11T16:20:51Z) - Heimdallr: Characterizing and Detecting LLM-Induced Security Risks in GitHub CI Workflows [24.281621604693726]
GitHub Continuous Integration(CI)は、レビュー、トリアージ、コンテンツ生成、リポジトリのメンテナンスを自動化するために、Large Language Models(LLM)を統合している。
外部制御可能なワークフロー入力は、LSMプロンプトと出力を形作ることができ、セキュリティ上の決定やリポジトリの状態、特権的な実行に影響を与える可能性がある。
LLMによるGitHub CIのセキュリティリスクに関する最初の研究について紹介する。
論文 参考訳（メタデータ） (2026-05-07T10:16:26Z) - Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。
各リリースは、公開ワークフロー要求信号から構築される。
Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
論文 参考訳（メタデータ） (2026-04-30T17:23:19Z) - Compiled AI: Deterministic Code Generation for LLM-Based Workflow Automation [3.225273674498579]
我々は,大言語モデルがコンパイルフェーズ中に実行可能なコードアーティファクトを生成するパラダイムであるコンパイルAIについて研究し,その後,さらなるモデル実行を必要とせずに決定的に実行する。
当社のコントリビューションは、ハイテイクなランタイムエンタープライズへの適用に関するシステム指向の研究です。
論文 参考訳（メタデータ） (2026-04-06T20:25:20Z) - AVDA: Autonomous Vibe Detection Authoring for Cybersecurity [0.1633272850273525]
AVDAは、モデルコンテキストプロトコル(MCP)を活用して、組織コンテキストをAI支援コード生成に統合することで検出を自動化するフレームワークである。
我々は,多種多様な生産検出コーパスと最先端LCMの3つのオーサリング戦略 – Baseline, Sequential, Agentic – を評価した。
その結果,エージェント品質の87%をトークンコストの40倍以下で達成できた。
論文 参考訳（メタデータ） (2026-03-26T21:52:33Z) - The Limits of Long-Context Reasoning in Automated Bug Fixing [4.853967615615349]
大規模言語モデル(LLM)は、コンテキスト全体を直接推論することができる。
LLMの最近の進歩は、ソフトウェア工学のベンチマークで強力なパフォーマンスを実現している。
我々は,現在のLLMが長文コードとパッチ生成を確実に実行可能であるかどうかを体系的に評価する。
論文 参考訳（メタデータ） (2026-02-17T22:51:40Z) - Do We Always Need Query-Level Workflows? Rethinking Agentic Workflow Generation for Multi-Agent Systems [72.3575737073235]
マルチエージェントシステム(MAS)は、複数のエージェントを協調することで複雑なタスクを解決する。
既存のアプローチはタスクレベルかクエリレベルで生成されるが、その相対的なコストと利点は未だ不明である。
クエリレベルのワークフロー生成は必ずしも必要ではない、なぜなら、トップKレベルのタスクレベルの小さなセットが、すでに同等あるいはそれ以上のクエリをカバーしているからだ。
論文 参考訳（メタデータ） (2026-01-16T10:05:51Z) - Large Language Model Critics for Execution-Free Evaluation of Code Changes [5.1973075342632535]
大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクを自動化するための有望な方法を提供する。
ビルド状況や時折のログ分析などを評価するための既存のメトリクスは、変更の質を評価するのに必要な情報を提供するには不十分で制限されています。
本研究では,LLMをベースとした批判者に対して,コード変更の実行可能性に対する厳密で厳密な中間レベル/ステップレベルの,実行不要な評価プロキシを導出する設計を行った。
論文 参考訳（メタデータ） (2025-01-28T02:38:56Z)
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。