論文の概要: Enhancing Bug Report Templates in the TianoCore UEFI Firmware Development Community
- arxiv url: http://arxiv.org/abs/2608.23754v1
- Date: Mon, 24 Aug 2026 18:44:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.541333
- Title: Enhancing Bug Report Templates in the TianoCore UEFI Firmware Development Community
- Title（参考訳）: TianoCore UEFIファームウェア開発コミュニティにおけるバグレポートテンプレートの強化
- Abstract要約: 我々は,TianoCoreオープンソースコミュニティが使用しているGitHub Issuesイシュートラッキングシステムにおいて,バグレポートテンプレートの強化を提案する。
バグリポジトリのデータを分析し、バグのトリアージや修正に役立つ情報のパターンを見つけます。
- 参考スコア（独自算出の注目度）: 5.134750220344153
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose enhancing the bug report templates in the GitHub Issues issue tracking system used by the TianoCore open-source community with the aim of improving the bug triage and resolution process. We analyze the bug repository data and find patterns of information that are useful for bug triage and fixing. However, some of them are only occasionally included in the free-form text of bug reports. Therefore, we propose adding a few new fields to the existing TianoCore bug report template. In this study, we focus on the key TianoCore project, EDK II, which constitutes the core of the UEFI firmware across various firmware vendors and original equipment manufacturers. This study is currently a work-in-progress. So far, we have interviewed a few developers to obtain their feedback and adjust the proposed approach. We are planning more interviews with the TianoCore community to conduct A/B tests and validate our approach to achieve effective and efficient bug triage and resolution.
- Abstract（参考訳）: 我々は,TianoCoreオープンソースコミュニティが使用しているGitHub Issuesイシュートラッキングシステムにおいて,バグトリアージと解決プロセスの改善を目的としたバグレポートテンプレートの強化を提案する。
バグリポジトリのデータを分析し、バグのトリアージや修正に役立つ情報のパターンを見つけます。
しかしながら、バグレポートのフリーフォームテキストにのみ含まれる場合もある。
そのため、既存のTianoCoreバグレポートテンプレートにいくつかの新しいフィールドを追加することを提案する。
本研究では, UEFIファームウェアのコアとなる主要なTianoCoreプロジェクトであるEDK IIに着目した。
この研究は現在進行中である。
これまでのところ、いくつかの開発者にインタビューを行い、彼らのフィードバックを得て、提案されたアプローチを調整しています。
TianoCoreコミュニティとのインタビューにより、A/Bテストを実行し、効果的で効率的なバグトリアージと解決を実現するためのアプローチを検証する予定です。
関連論文リスト
- TianoForge: An Automated Bug Triage Approach for the TianoCore UEFI Firmware Development Community [6.017963880006796]
本稿では,TianoCoreオープンソースUEFIファームウェア開発エコシステムにおけるバグトリアージの新たなアプローチを提案する。
これには、無効なバグレポートの検出、重複するバグレポートの検出、バグレポートの優先順位付け、バグレポートの割り当てが含まれる。
我々は、これらのタスクを自動化するために、検索拡張生成(RAG)を伴わない様々な生成事前学習変換(GPT)大規模言語モデル(LLM)を用いる。
論文 参考訳（メタデータ） (2026-08-24T13:49:16Z) - Anchored Self-Play for Code Repair [68.0728003844994]
コード修復は言語モデル(LM)の重要な機能である
本稿では,1つのモデルを強化学習で訓練し,バグを生成して修正する__generator--fixer self-play__を提案する。
BugSourceBenchでは、セルフプレイは難しいが非現実的なバグへと向かっている。
本稿では,参照バグの生成と混合のためのコード埋め込み型類似性報酬をフィクスチャトレーニングに付加することにより,小さな参照セットでセルフプレイをアンロックするAnchored Self-Play (ASP)を提案する。
論文 参考訳（メタデータ） (2026-07-03T17:51:52Z) - Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。
kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。
kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
論文 参考訳（メタデータ） (2026-02-02T19:06:15Z) - BugPilot: Complex Bug Generation for Efficient Learning of SWE Skills [59.003563837981886]
高品質なバグは、次世代の言語モデルベースソフトウェアエンジニアリング(SWE)エージェントをトレーニングする鍵となる。
難易度および多種多様なバグを合成する新しい方法を提案する。
論文 参考訳（メタデータ） (2025-10-22T17:58:56Z) - Bug Whispering: Towards Audio Bug Reporting [4.9636276777583745]
本稿では,エンドユーザが音声メッセージを記録・送信することで,経験した問題を即座に報告できるという考えを考察する。
オーディオ記録は実装が簡単で、開発チームが収集できるバグレポートの数を増やす可能性がある。
しかし、オーディオバグレポートには、既存のバグを再現するためのテクニックに挑戦する特定の特徴が示されている。
論文 参考訳（メタデータ） (2025-08-31T10:26:17Z) - CrashFixer: A crash resolution agent for the Linux kernel [58.152358195983155]
この作業は、システムレベルのLinuxカーネルバグのベンチマークと、Linuxカーネルで実験を実行するプラットフォームを共有するkGymの上に構築されている。
CrashFixerはLinuxカーネルのバグに適応する最初のLCMベースのソフトウェア修復エージェントである。
論文 参考訳（メタデータ） (2025-04-29T04:18:51Z) - Automated Bug Report Prioritization in Large Open-Source Projects [3.9134031118910264]
本稿では,バグレポートの自然言語テキストに基づく自動バグ優先順位付け手法を提案する。
我々は、TopicMiner-MTMと呼ばれるLDAの変種を用いてトピックモデリングを行い、BERT大言語モデルを用いてテキスト分類を行う。
Eclipse Platformプロジェクトの85,156のバグレポートを含む既存のリファレンスデータセットを用いた実験結果から、バグレポートの優先度予測の正確性、正確性、リコール、F1測定の点で、既存のアプローチよりも優れています。
論文 参考訳（メタデータ） (2025-04-22T13:57:48Z) - Toward Rapid Bug Resolution for Android Apps [0.4759142872591625]
本稿では,既存のバグレポートの限界について述べるとともに,それに対応するための潜在的戦略を明らかにする。
私たちのビジョンは、これらの制限の緩和と、提案された新しい研究の方向性の実行が、レポーターと開発者の両方に利益をもたらす、未来を包含しています。
論文 参考訳（メタデータ） (2023-12-23T18:29:06Z) - Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。
このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
論文 参考訳（メタデータ） (2022-11-11T16:37:33Z) - DapStep: Deep Assignee Prediction for Stack Trace Error rePresentation [61.99379022383108]
本稿では,バグトリアージ問題を解決するための新しいディープラーニングモデルを提案する。
モデルは、注目された双方向のリカレントニューラルネットワークと畳み込みニューラルネットワークに基づいている。
ランキングの質を向上させるために,バージョン管理システムのアノテーションから追加情報を利用することを提案する。
論文 参考訳（メタデータ） (2022-01-14T00:16:57Z)
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。