論文の概要: Mobile App Rewrites via Dual Boot
- arxiv url: http://arxiv.org/abs/2608.15135v1
- Date: Sat, 15 Aug 2026 09:15:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.206997
- Title: Mobile App Rewrites via Dual Boot
- Title（参考訳）: モバイルアプリがデュアルブートでリライト
- Abstract要約: 1つのバイナリに2つのモバイルアプリケーションの変種をホストし、ブートタイムの変種を選択する方法を示す。
私たちは、Strangler Figパターンをネイティブなモバイルプラットフォームに初めて適用したライフサイクルとして、完全なライフサイクルを定めています。
このシステムは、初期埋め込みから複数セグメントの実験から、レガシーバージョンの完全な廃止まで、完全なiOSアプリケーションの書き直しに寄与した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We term the mechanism dual boot: the ability to host two mobile application variants within a single binary with a boot-time variant selection. This mechanism, combined with build-generated symbol resolution maps and linker retain lists, also enables two additional capabilities not inherent to the mechanism alone: (1) in-binary A/B experimentation between full application variants, and (2) graceful deprecation of the legacy variant without user disruption: preserving app store listing, branding, and install base. We frame the complete lifecycle as the first application of the Strangler Fig pattern to native mobile platforms. We validate the architecture across three evaluation scenarios, with improvements in developer productivity, experimentation capability and flexibility. The system contributed to a complete iOS application rewrite, from initial embedding through multi-segment experimentation to full deprecation of the legacy variant, without losing users throughout the 10-month evaluation.
- Abstract（参考訳）: 2つのモバイルアプリケーションの変種を、ブートタイムの変種選択で単一のバイナリ内でホストする機能です。
このメカニズムは、ビルド生成されたシンボル解決マップとリンカ保持リストと組み合わせて、(1) 完全なアプリケーション間でのバイナリA/B実験、(2) ユーザの混乱なしにレガシーなバージョンを優雅に非推奨にする: アプリストアのリスト、ブランディング、インストールベースを保存する。
私たちは、Strangler Figパターンをネイティブなモバイルプラットフォームに初めて適用したライフサイクルとして、完全なライフサイクルを定めています。
アーキテクチャを3つの評価シナリオで検証し、開発者の生産性、実験能力、柔軟性を改善しました。
このシステムはiOSアプリケーションの書き直しに寄与した。最初の埋め込みからマルチセグメントの実験から、旧バージョンを完全に非推奨にすることまで、ユーザは10ヶ月の評価で失われることはなかった。
関連論文リスト
- UI-Venus-2 Technical Report [51.54957558722245]
UI-Venus-2は,モバイル,Web,デスクトップ環境で動作する汎用GUIエージェントである。
1) 環境, カバー範囲を170以上のマルチリンガルなモバイルアプリとネイティブなデスクトップオペレーティングシステムに拡大する, (2) 関数基底命令生成のためのディープリサーチパイプラインを利用するタスク, (3) 視覚的キーポイントとマルチモデル投票を用いたトレースレベルおよびサンプルレベルの評価器を採用して, トレーニングのための信頼性の高いRL信号を保証するための検証, という3つの重要な次元を共同で拡張する。
論文 参考訳（メタデータ） (2026-08-27T17:15:33Z) - S2-MoE: Enabling Efficient Self-Speculative Decoding for Mixture-of-Experts on Edge Devices [3.652791347806378]
S2-MoEはエッジデバイス上でのMoE推論のための効率的な自己投機的デコーディングフレームワークである。
S2-MoEは、ルーティングの投機的拡張による冗長な検証を削減し、再利用による検証を改善し、共有コンテキストによるドラフトターゲット実行を調整する。
論文 参考訳（メタデータ） (2026-08-15T04:08:04Z) - DuoBench: A Reproducible Benchmark for Bimanual Manipulation in Simulation and the Real World [15.394993012134316]
双方向ロボットシステムは操作能力を拡大するが、2つのアームを調整することで、制御の複雑さと障害モードが増す。
FR3 Duoプラットフォーム上での双方向操作ポリシのベンチマークフレームワークであるDuoBenchを紹介する。
シミュレーションおよび実ハードウェア上での両腕模倣学習と視覚言語行動ポリシーをベンチマークする。
論文 参考訳（メタデータ） (2026-06-10T10:28:04Z) - DualOptim+: Bridging Shared and Decoupled Optimizer States for Better Machine Unlearning in Large Language Models [28.795194964735412]
大規模言語モデルにおける機械学習改善のための新しい最適化フレームワークであるDualOptim+を提案する。
目的を忘れ、保持することで共有される共通の表現を捉えるための基本状態と、目的固有の残留物を保存するためのデルタ状態を導入する。
さらに、性能を損なうことなくメモリオーバーヘッドを低減する量子化変種であるDualOptim+8bitを導入する。
論文 参考訳（メタデータ） (2026-05-20T07:45:08Z) - OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent [58.07447442040785]
私たちはOS-Symphonyを紹介します。これは、堅牢な自動化のための2つの重要なイノベーションをコーディネートするOrchestratorを含む包括的なフレームワークです。
結果は、OS-Symphonyが様々なモデルスケールで大幅なパフォーマンス向上をもたらすことを示した。
論文 参考訳（メタデータ） (2026-01-12T17:55:51Z) - A2R: An Asymmetric Two-Stage Reasoning Framework for Parallel Reasoning [57.727084580884075]
モデルポテンシャルと実際の性能の間のギャップを埋めるために設計された非対称な2段階推論フレームワーク。
A2R-Efficientは、Qwen3-4BとQwen3-8Bシンセサイザーを組み合わせた「小型から大型」の派生型である。
その結果、A2Rはパフォーマンス・ブートスティングのフレームワークであるだけでなく、現実世界のアプリケーションに対して効率的かつ実用的なソリューションであることがわかった。
論文 参考訳（メタデータ） (2025-09-26T08:27:03Z) - Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。
既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。
単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
論文 参考訳（メタデータ） (2025-05-28T14:03:02Z) - Mobile-Agent-E: Self-Evolving Mobile Assistant for Complex Tasks [85.48034185086169]
Mobile-Agent-Eは、過去の経験を通じて自己進化できる階層的なマルチエージェントフレームワークである。
Mobile-Agent-Eは従来の最先端アプローチよりも22%の絶対的な改善を実現している。
論文 参考訳（メタデータ） (2025-01-20T20:35:46Z) - TREBLE: Fast Software Updates by Creating an Equilibrium in an Active Software Ecosystem of Globally Distributed Stakeholders [0.0]
TREBLEはAndroidでモジュールベースを構築するための2年間のイニシアチブです。
私たちのTREBLEアーキテクチャは、Javaで書かれたハードウェアに依存しないコアフレームワークと、ハードウェア依存のベンダー実装を分離します。
我々は,年次リリースモデルを用いて,TREBLEアーキテクチャの変更をシリコンベンダやデバイスメーカに提供した経験について論じる。
論文 参考訳（メタデータ） (2024-09-19T20:34:54Z) - TypeFormer: Transformers for Mobile Keystroke Biometrics [11.562974686156196]
本稿では,ユーザ認証のためにモバイルデバイス上で実行される自由テキストキーストロークダイナミクスをモデル化するトランスフォーマーアーキテクチャを提案する。
TypeFormerは、50キーストロークの5つのエンローメントセッションのみを使用して、EER(Equal Error Rate)の値が3.25%に達する現在の最先端システムよりもパフォーマンスがよい。
論文 参考訳（メタデータ） (2022-12-26T10:25:06Z) - BiFSMNv2: Pushing Binary Neural Networks for Keyword Spotting to
Real-Network Performance [54.214426436283134]
Deep-FSMNのようなディープニューラルネットワークはキーワードスポッティング(KWS)アプリケーションのために広く研究されている。
我々は、KWS、すなわちBiFSMNv2のための強力で効率的なバイナリニューラルネットワークを提示し、それを実ネットワーク精度のパフォーマンスにプッシュする。
小型アーキテクチャと最適化されたハードウェアカーネルの利点により、BiFSMNv2は25.1倍のスピードアップと20.2倍のストレージ節約を実現できる。
論文 参考訳（メタデータ） (2022-11-13T18:31:45Z)
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。