論文の概要: Information is all you need: Requirements Engineering Quality Reframed

• arxiv url: http://arxiv.org/abs/2607.21319v1
• Date: Thu, 23 Jul 2026 13:44:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.424099
• Title: Information is all you need: Requirements Engineering Quality Reframed
• Title（参考訳）: 必要な情報 - 要求のエンジニアリング品質の再構築
• Abstract要約: このビジョンは、要求工学(RE)品質の新たな全体論的理論を提案する。 REプロセスは最終的に情報伝達であるため、全体的なRE品質は情報フローの特性に依存する。 我々は、この理論がREプロセスやアーティファクトの成功や失敗を理解するための一貫した理論的枠組みとして機能すると考えている。
• 参考スコア（独自算出の注目度）: 0.583359817416055
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To move beyond this vague appeal to context, this vision proposes a novel holistic theory of requirements engineering (RE) quality. This theory models how information particles, i.e., discrete pieces of domain knowledge, are transferred between roles and artifacts. Since the RE process is ultimately an information transfer, holistic RE quality depends on the properties of information flow, i.e., how effectively and efficiently information is transferred from sources (like stakeholders) to targets (like developers and testers), uniting both artifact- and process-based perspectives on RE quality. In an exemplary simulation of the theory we illustrate why a high-quality specification gets bypassed in an agile context, thereby demonstrating that a simulation can provide actionable insights into calibrating the RE process to optimize the information flow. Beyond organizational applications, we envision that the theory can serve as a coherent theoretical framework for understanding the success or failure of RE processes and artifacts.
• Abstract（参考訳）: この曖昧な文脈へのアピールを超えて、このビジョンは要求工学(RE)品質の新たな全体論的理論を提案する。 この理論は、情報粒子、すなわちドメイン知識の離散的な断片が役割とアーティファクトの間でどのように移動されるかをモデル化する。 REプロセスは最終的に情報伝達であるので、全体論的RE品質は情報フローの特性、すなわち、ソース(利害関係者など)からターゲット(開発者やテスタなど)への効果的かつ効率的な情報伝達に依存し、RE品質に関するアーティファクトとプロセスベースの視点の両方を統一する。 この理論の模範的なシミュレーションでは、なぜ高品質な仕様がアジャイルの文脈でバイパスされるのかを説明し、その結果、シミュレーションがREプロセスのキャリブレーションと情報フローの最適化に関する実用的な洞察を提供できることを示した。 組織的な応用を超えて、私たちはこの理論がREプロセスやアーティファクトの成功や失敗を理解するための一貫性のある理論的な枠組みとして機能できると考えています。

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)
• Large Vision-Language Models Get Lost in Attention [51.851592109135716]
  本稿では,情報理論と幾何に基づく統合フレームワークを提案し,残差更新の幾何的およびエントロピー的性質を定量化する。 注意は再設定に焦点を当てたサブスペース言語演算子として機能し、FFNはセマンティックイノベーションを駆動するサブスペース言語演算子として機能します。
  論文  参考訳（メタデータ） (2026-05-07T04:45:52Z)
• QualiRAG: Retrieval-Augmented Generation for Visual Quality Understanding [80.66379018208568]
  視覚的品質評価は、予測から解釈可能な品質理解へとシフトしている。 現在のアプローチは、教師付き微調整や強化学習に頼っている。 本稿では,視覚的品質知覚のための大規模マルチモーダルモデルの潜在知覚的知識を体系的に活用するフレームワークであるVbfQualiRAGを提案する。
  論文  参考訳（メタデータ） (2026-01-26T06:27:03Z)
• The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations [0.0]
  要求工学の品質(RE)は、いまだに逸話的で直観駆動である。 AIベースの開発が出現すると、要求品質の要因が変わる可能性がある。 本稿では、エージェントAIを用いたREシミュレーションのための第1のコンセプト、研究ロードマップ、プロトタイプ、および第1の実現可能性研究に貢献する。
  論文  参考訳（メタデータ） (2025-11-21T20:19:08Z)
• Transfer Learning through Enhanced Sufficient Representation: Enriching Source Domain Knowledge with Target Data [2.308168896770315]
  TESR(Enhanced Sufficient Representation)によるトランスファーラーニング(Transfer Learning)と呼ばれる新しいトランスファーラーニング手法を提案する。 私たちのアプローチは、ソースドメインから十分かつ不変な表現を推定することから始まります。 この表現は、ターゲットデータから派生した独立したコンポーネントで拡張され、ターゲットドメインに十分で、その特定の特性に適応できることが保証される。
  論文  参考訳（メタデータ） (2025-02-22T13:18:28Z)
• ReasoningRank: Teaching Student Models to Rank through Reasoning-Based Knowledge Distillation [11.756344944226495]
  本稿では、透明性を高める新しいオープンソースリグレードアプローチであるReason-to-Rank(R2R)を提案する。 R2Rは2つのタイプの推論を生成する: 直接関連推論(direct relevance reasoning) - ドキュメントがクエリにどのように対処するかを説明する。 学生モデルは、有意義な推論と文書の書き直しを訓練し、複数のデータセットにまたがる競争性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T16:25:39Z)
• TREET: TRansfer Entropy Estimation via Transformers [1.024113475677323]
  伝達エントロピー(英: Transfer Entropy、TE)は、プロセス間の情報の方向の流れを明らかにする情報理論の尺度である。 本研究は, 定常過程のTEを推定する新しいアテンションベースアプローチであるTransfer Entropy Estimation via Transformers (TREET)を提案する。
  論文  参考訳（メタデータ） (2024-02-10T09:53:21Z)
• Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
  情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。 本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。 より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-09T07:47:17Z)
• QontSum: On Contrasting Salient Content for Query-focused Summarization [22.738731393540633]
  クエリ中心の要約(QFS)は、特定のクエリに対処する要約を生成する自然言語処理において難しいタスクである。 本稿では,GARにおけるQFSの役割について述べる。 コントラスト学習を利用したQFSの新しい手法であるQontSumを提案する。
  論文  参考訳（メタデータ） (2023-07-14T19:25:35Z)
• Learning from Context or Names? An Empirical Study on Neural Relation Extraction [112.06614505580501]
  テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前) 本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。 我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
  論文  参考訳（メタデータ） (2020-10-05T11:21:59Z)
• RL-CycleGAN: Reinforcement Learning Aware Simulation-To-Real [74.45688231140689]
  本稿では、画像翻訳におけるRL-scene整合性損失を導入し、画像に関連付けられたQ値に対して変換操作が不変であることを保証する。 RL-CycleGANは実世界のシミュレーションから実世界への変換による強化学習のための新しい手法である。
  論文  参考訳（メタデータ） (2020-06-16T08:58:07Z)

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。