論文の概要: Pramana: A Composable, Domain-Specific Backend for Empirical Networking Research

• arxiv url: http://arxiv.org/abs/2607.26352v1
• Date: Tue, 28 Jul 2026 23:51:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.500511
• Title: Pramana: A Composable, Domain-Specific Backend for Empirical Networking Research
• Title（参考訳）: Pramana: 経験的ネットワーク研究のための、構成可能な、ドメイン特有なバックエンド
• Abstract要約: 構成可能でドメイン固有のバックエンドであるPramanaは、上部にさまざまな研究意図があり、下部に異なる実行基板があります。 プラマナはこの腰を単一の契約、意図仕様を通じて実現し、実験を3つの独立した軸に分解する。 66件の論文から抽出したデータ生成意図255件の第一種コーパスを構築することで,プラマナの実用性を実証した。
• 参考スコア（独自算出の注目度）: 13.056589773466406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Networking research advances by turning hypotheses into empirical evidence, so accelerating it means reducing the lag between ideation (synthesizing a hypothesis) and generating the data that tests it. Consider a concrete case: does a bulk BBR download fairly share its bottleneck with competing real-time Google Meet traffic? Validating this requires configuring a realistic bottleneck link, concurrently generating BBR's bulk transfer and Meet's real-time traffic, and collecting relevant service-quality metrics. Today this overhead is high, often forcing researchers to start from scratch for every new idea. This ideation-to-data-generation gap will only worsen in the agentic AI era, where AI-assisted ideation accelerates exponentially, yet its outputs cannot be validated without a data-generation backend. This paper explores how to bridge this gap. We envision a composable, domain-specific backend, Pramana, shaped as a thin waist, with diverse research intents at the top and disparate execution substrates at the bottom. Pramana realizes this waist through a single contract, the intent specification, which disaggregates an experiment into three independent axes: the intent (what data to generate), the substrate (where to generate it), and the mechanism (how to produce it), so one specification runs on any substrate. We demonstrate Pramana's utility by building a first-of-its-kind corpus of 255 data-generation intents mined from 66 published papers, and show the intent specification satisfies all of them, where no existing tool satisfies more than 13%. Our current proof-of-concept implementation already satisfies 34% of these intents, more than twice the best existing tool, and we lay out a roadmap for closing this abstraction-implementation gap through a broader community effort to build the envisioned data-generation backend and accelerate empirical networking research.
• Abstract（参考訳）: ネットワーク研究は、仮説を実証的な証拠にすることで進歩し、それを加速することは、考え(仮説の合成)とそれをテストするデータの間の遅延を減少させることを意味する。 具体的なケースを考えてみてください。BBRのダウンロードは、競合するリアルタイムGoogle Meetのトラフィックとのボトルネックをかなり共有していますか? これを検証するには、現実的なボトルネックリンクの設定、BBRのバルク転送とMeetのリアルタイムトラフィックの同時生成、関連するサービス品質メトリクスの収集が必要です。 今日、このオーバーヘッドは高く、しばしば研究者は新しいアイデアのすべてから始めざるを得ない。 このアイデアとデータ生成のギャップは、AI支援のアイデアが指数関数的に加速するエージェントAI時代においてのみ悪化するが、そのアウトプットはデータ生成バックエンドなしでは検証できない。 このギャップを埋める方法を探る。 構成可能でドメイン固有のバックエンドであるPramanaは、上部にさまざまな研究意図があり、下部に異なる実行基板があります。 プラマナはこのウエストを単一の契約、インテント仕様によって実現し、実験をインテント(生成するデータ)、基質(生成する場所)、メカニズム(生成する場所)の3つの独立した軸に分解する。 66件の論文から抽出した255件のデータ生成意図の第一種コーパスを構築し,既存のツールが13%以上満足していない場合に,その意図仕様がすべてを満たすことを示すことで,Pranaの実用性を実証する。 現在の概念実証実装は、これらの意図の34%をすでに満たしており、最も優れた既存のツールの2倍以上です。

関連論文リスト

• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• Orion-RAG: Path-Aligned Hybrid Retrieval for Graphless Data [13.307131500057862]
  Retrieval-Augmented Generation (RAG) は知識合成に有効であることが証明されているが、データは本質的に離散的で断片化されている現実的なシナリオにおいて重大な課題に直面している。 本稿では,断片化された文書を半構造化データに変換するOrion-RAGを提案する。
  論文  参考訳（メタデータ） (2026-01-08T09:32:01Z)
• TeaRAG: A Token-Efficient Agentic Retrieval-Augmented Generation Framework [62.66056331998838]
  TeaRAGは、検索内容と推論ステップの両方を圧縮できるトークン効率のエージェントRAGフレームワークである。 報奨関数は,過剰な推論ステップをペナルティ化しながら,知識マッチング機構によって知識満足度を評価する。
  論文  参考訳（メタデータ） (2025-11-07T16:08:34Z)
• HetaRAG: Hybrid Deep Retrieval-Augmented Generation across Heterogeneous Data Stores [33.795387138571286]
  HetaRAGは、異種データストアからのクロスモーダルエビデンスをオーケストレーションする、ハイブリッドで深層検索可能な拡張生成フレームワークである。 HetaRAGはベクトルインデックス、知識グラフ、フルテキストエンジン、構造化データベースを単一の検索プレーンに統合する。
  論文  参考訳（メタデータ） (2025-09-12T06:12:59Z)
• 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)
• Going beyond research datasets: Novel intent discovery in the industry setting [60.90117614762879]
  本稿では,大規模なeコマースプラットフォームに展開する意図発見パイプラインを改善する手法を提案する。 ドメイン内データに基づく事前学習型言語モデルの利点を示す。 また,クラスタリングタスクの微調整中に,実生活データセットの会話構造(質問と回答)を利用するための最善の方法も考案した。
  論文  参考訳（メタデータ） (2023-05-09T14:21:29Z)
• Grounded Keys-to-Text Generation: Towards Factual Open-Ended Generation [92.1582872870226]
  そこで我々は,新しい接地型キー・ツー・テキスト生成タスクを提案する。 タスクは、ガイドキーと接地パスのセットが与えられたエンティティに関する事実記述を生成することである。 近年のQAに基づく評価手法に着想を得て,生成した記述の事実的正当性を示す自動計量MAFEを提案する。
  論文  参考訳（メタデータ） (2022-12-04T23:59:41Z)
• Implicit and Efficient Point Cloud Completion for 3D Single Object Tracking [9.372859423951349]
  適応リファイン予測(ARP)とターゲット知識伝達(TKT)の2つの新しいモジュールを紹介する。 本モデルでは,より少ない計算量を維持しながら,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-09-01T15:11:06Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)

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。