論文の概要: A Multi-Surface Consistency Audit of Software Citation Metadata
- arxiv url: http://arxiv.org/abs/2608.17159v1
- Date: Mon, 17 Aug 2026 21:52:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.137758
- Title: A Multi-Surface Consistency Audit of Software Citation Metadata
- Title（参考訳）: ソフトウェアクリックメタデータのマルチサーフェス整合性監査
- Abstract要約: 我々はオープンソースの研究ソフトウェアプロジェクト117を監査する。
62のプロジェクトのうち52は、少なくとも1つのコアフィールドの衝突を露呈している。
手動で調整された表面の衝突の半分は単一のメカニズムに遡る。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research software projects describe themselves in many places at once: citation files in the repository, archive deposits, DOI registry records, package registries, and README text. We treat the software as the underlying object and these machine-readable self-descriptions as its surfaces: the points where people and automated systems read what the project declares about the software. Citation guidance, indexing services, and automated agents may read a different subset of these surfaces, so disagreement between them can silently fragment credit and provenance. This paper asks a simple question that has not been measured directly: when a project's own metadata surfaces are compared with each other, how often do they agree? We audited 117 open-source research software projects, comprising an 87-project high-performance computing and quantum computing corpus and a 30-project registered baseline drawn from the JOSS and pyOpenSci accepted-package lists, across up to seven machine-readable surfaces per project. Using a four-level verdict rubric across six metadata fields, with 98.5\% hand-verified verdict precision on a 338-row stratified sample, we found that 52 of the 62 projects exposing at least two comparable surfaces (83.9\%) contain at least one core-field conflict, a result that is insensitive to the fuzzy-matching threshold. Half of hand-adjudicated cross-surface conflicts trace to a single mechanism: surfaces describing the software's paper rather than the software itself. Among projects whose CITATION.cff includes a preferred citation, 28 of 32 route citations to a record that disagrees with the software's own metadata. The author lists and titles disagree the most, and the registry surfaces are the least aligned. We release the audit pipeline as an importable library, the corpus, the registered sampling protocol, all raw snapshots, and the complete verification log.
- Abstract（参考訳）: 研究ソフトウェアプロジェクトは、リポジトリ内の引用ファイル、アーカイブの保管、DOIレジストリレコード、パッケージレジストリ、READMEテキストなど、さまざまな場所で自身を記述している。
ソフトウェアを基盤となるオブジェクトとして扱い、これらのマシン可読な自己記述を表面として扱います。
引用誘導、索引付けサービス、自動エージェントは、これらの表面の異なるサブセットを読むことができるため、両者の意見の相違は、クレジットと証明を静かに断片化することができる。
プロジェクト自身のメタデータサーフェスを互いに比較した場合、どれくらいの頻度で同意するのでしょうか?
我々は、87の高性能コンピューティングと量子コンピューティングコーパスと、JOSSとpyOpenSciの受け入れパッケージリストから抽出された30のプロジェクト登録ベースラインと、最大7つのマシン可読曲面からなる117のオープンソースプロジェクトを監査した。
その結果,少なくとも2つの相似曲面 (83.9\%) を露出する62プロジェクトのうち52プロジェクトにおいて,少なくとも1つのコアフィールド競合が存在し,ファジィマッチングしきい値に不感な結果が得られた。
手動で調整された表面の衝突の半分は、ソフトウェア自体ではなく、ソフトウェアの論文を記述する表面という単一のメカニズムに遡る。
CITATION.cffが推奨される引用を含むプロジェクトの中で、32つのうち28つが、ソフトウェア自身のメタデータに反するレコードへの引用をルートしている。
著者の一覧とタイトルが最も一致しておらず、レジストリサーフェスが最も一致していない。
私たちは、監査パイプラインをインポート可能なライブラリ、コーパス、登録されたサンプリングプロトコル、すべての生スナップショット、完全な検証ログとしてリリースします。
関連論文リスト
- Smart Contracts Claimed Vulnerable by the CVE Database, with Labels and Source Locations [0.0]
本稿では、スマートコントラクトを参照して、CVEレコードのキュレートされたデータセットであるCVE-Smart-Contractsを紹介する。
データセットには3つのラベルに従って脆弱なアーティファクト(ソースコードとバイトコード)が含まれている。
このデータセットは経験的セキュリティ研究、特にコード解析と修復技術の評価をサポートする。
論文 参考訳（メタデータ） (2026-09-01T13:01:39Z) - Beyond Top-K: Replacing Black-Box Retrieval with Interpretable Agentic Operations [0.0]
長いドキュメントに対する検索拡張生成は、テキストをチャンクし、チャンクを埋め、クエリの最も近い隣人にサーフェスする、という1つの設計によって支配されている。
我々は、財務報告、監査報告、規制リターンといった重要な文書のクラスにとって、この設計は構造的に不正確であると主張する。
本稿では,READ(Reliable Embedding-free Agentic Document-search)を提案する。
論文 参考訳（メタデータ） (2026-08-06T17:23:13Z) - WorkSurface-Bench: Benchmarking Enterprise Agents on Multi-Surface Knowledge Routing [10.956110208321556]
我々は、この機能を表面ルーティングとして評価するためのベンチマークであるWorkSurface-Benchを紹介した。
これは、ペルソナスコープワークスペース-ベンチライトワークスペースから派生した1,151のアトミックタスクを含んでいる。
我々は、6つの制御されたエージェント設定で4つのモデルバックボーンを評価し、27,624個のプロトコルエラーフリーなトラジェクトリを得た。
論文 参考訳（メタデータ） (2026-07-28T14:19:59Z) - AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning [52.23991730630292]
大規模言語モデルは、パラメトリックな知識から答えるのではなく、文書を推論するエージェントとして、ますます多くデプロイされている。
大規模な、散らかった職場ファイルの集合にスパース証拠を配置し、一貫性のない用語、単位、時間規則を調整し、答えを計算する。
私たちは、362の質問と9,664の認証ドキュメントと372Mのトークンの8つのドメインコレクションをペアリングするベンチマークであるAgoraを紹介します。
論文 参考訳（メタデータ） (2026-06-23T12:57:18Z) - Theory Under Construction: Orchestrating Language Models for Research Software Where the Specification Evolves [1.0312968200748116]
大規模な言語モデルは、実質的なコードと研究テキストを生成することができるが、研究ソフトウェアプロジェクトは、どちらのアーティファクトも必要としない。
我々は,幻覚の蓄積とデシンクロナイゼーションという,LM固有の障害モードを2つ同定する。
本研究では,1つのワークスペース状態の座標として,アイデア,実装,評価,グラウンド,ペーパーライティングを編成する反復的プロンプトであるComet-Hを提案する。
論文 参考訳（メタデータ） (2026-04-29T21:28:17Z) - Why Authors and Maintainers Link (or Don't Link) Their PyPI Libraries to Code Repositories and Donation Platforms [83.16077040470975]
Python Package Index(PyPI)上のライブラリのメタデータは、オープンソースライブラリの透明性、信頼性、持続性をサポートする上で重要な役割を果たす。
本稿は,5万PyPIの著者とメンテナに送付された2つの対象調査を組み合わせた大規模実証研究である。
我々は,大規模言語モデル(LLM)に基づくトピックモデリングを用いて1,400以上の応答を分析し,リポジトリと寄付プラットフォームのリンクに関連する重要なモチベーションと障壁を明らかにする。
論文 参考訳（メタデータ） (2026-01-21T16:13:57Z) - Analyzing the Availability of E-Mail Addresses for PyPI Libraries [89.21869606965578]
81.6%のライブラリには、少なくとも1つの有効な電子メールアドレスが含まれており、PyPIが主要なソースとなっている。
698,000以上の無効なエントリを識別します。
論文 参考訳（メタデータ） (2026-01-20T14:54:58Z) - Document Layout Annotation: Database and Benchmark in the Domain of
Public Affairs [62.38140271294419]
レイアウトラベルの異なるデジタル文書を半自動アノテートする手法を提案する。
スペイン政府から24データソースの集合を用いて,行政領域におけるDLAの新しいデータベースを収集する。
実験の結果,提案したテキストラベリング手順を99%の精度で検証した。
論文 参考訳（メタデータ） (2023-06-12T08:21:50Z) - On the Security Blind Spots of Software Composition Analysis [46.1389163921338]
Mavenリポジトリで脆弱性のあるクローンを検出するための新しいアプローチを提案する。
Maven Centralから53万以上の潜在的な脆弱性のあるクローンを検索します。
検出された727個の脆弱なクローンを検出し、それぞれに検証可能な脆弱性証明プロジェクトを合成する。
論文 参考訳（メタデータ） (2023-06-08T20:14:46Z) - S3M: Siamese Stack (Trace) Similarity Measure [55.58269472099399]
本稿では、深層学習に基づくスタックトレースの類似性を計算する最初のアプローチであるS3Mを紹介します。
BiLSTMエンコーダと、類似性を計算するための完全接続型分類器をベースとしている。
私たちの実験は、オープンソースデータとプライベートなJetBrainsデータセットの両方において、最先端のアプローチの優位性を示しています。
論文 参考訳（メタデータ） (2021-03-18T21:10:41Z)
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。