Fugu-MT 論文翻訳(概要): Automated Synthesis of Cloud Emulators

論文の概要: Automated Synthesis of Cloud Emulators

arxiv url: http://arxiv.org/abs/2608.23842v1
Date: Mon, 24 Aug 2026 21:29:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-26 14:09:34.624341
Title: Automated Synthesis of Cloud Emulators
Title（参考訳）: 雲エミュレータの自動合成
Abstract要約: CloudEmuは、ニューロシンボリックコード合成を通じてクラウドドキュメントに基づいたエミュレータを構築する自動化アプローチである。評価では,CloudEmuが主要クラウドプロバイダ(AWSとGCP)サービスに対して,カバレッジと精度の両方で有効であることを示す。
参考スコア（独自算出の注目度）: 7.149847642627702
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: DevOps programming (e.g., using CLI/API scripts or IaC frameworks) is key to cloud infrastructure management. Unlike traditional programming tasks, DevOps program testing needs provisioning and execution against actual cloud resources, which is often time-consuming, unsafe, and costly. Cloud emulators have gained popularity for easing DevOps program testing; they are generally API-level mocks that can execute DevOps programs in a local environment. Still, building these emulators remains challenging: developers must manually interpret extensive cloud documentation and handcraft logic for each service, API, and their interaction. This does not scale to the complexity of the cloud, which is further a moving target as the services and APIs evolve. CloudEmu is an automated approach that constructs emulators based on cloud documentation via neurosymbolic code synthesis. The key idea is to combine LLMs' general strengths in documentation understanding and code generation with cloud-specific symbolic abstractions that suppress hallucinations and enforce precision at scale, while using the real cloud as an oracle for automated testing, repair, and alignment. Our evaluation shows the effectiveness of CloudEmu on major cloud provider (AWS and GCP) services in both coverage and accuracy. CloudEmu outperforms the existing leading tool LocalStack, which was manually developed by a large team of engineers over a decade.
Abstract（参考訳）: DevOpsプログラミング(例:CLI/APIスクリプトやIaCフレームワーク)は、クラウドインフラストラクチャ管理の鍵となる。従来のプログラミングタスクとは異なり、DevOpsプログラムテストには実際のクラウドリソースに対するプロビジョニングと実行が必要です。一般的には、ローカル環境でDevOpsプログラムを実行可能なAPIレベルのモックである。開発者は、各サービス、API、およびそれらのインタラクションに対して、広範なクラウドドキュメンテーションとハンドクラフトロジックを手作業で解釈する必要があります。これはクラウドの複雑さにスケールしないが、サービスとAPIが進化するにつれて、さらに動きのターゲットとなる。 CloudEmuは、ニューロシンボリックコード合成を通じてクラウドドキュメントに基づいたエミュレータを構築する自動化アプローチである。鍵となる考え方は、LLMのドキュメント理解とコード生成における一般的な強みと、幻覚を抑え、大規模な精度を強制するクラウド固有の象徴的抽象化を組み合わせながら、実際のクラウドを自動テスト、修復、アライメントのオラクルとして使用することである。評価では,CloudEmuが主要クラウドプロバイダ(AWSとGCP)サービスに対して,カバレッジと精度の両方で有効であることを示す。 CloudEmuは、既存のリードツールであるLocalStackよりも優れている。

関連論文リスト

DevOps-Gym: Benchmarking AI Agents in Software DevOps Cycle [84.01703913780946]
現実世界のソフトウェアでDevOpsサイクルを扱うには、大規模なプロジェクトを分析し、動的プログラムの振る舞いを理解し、ドメイン固有のツールを活用し、シーケンシャルな決定を行う必要がある。 DevOps-Gymは、コアDevOpsタスク間でAIエージェントを評価するための、最初のエンドツーエンドベンチマークです。
論文参考訳（メタデータ） (2026-01-27T18:43:46Z)
ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文参考訳（メタデータ） (2026-01-16T08:23:52Z)
EnvScaler: Scaling Tool-Interactive Environments for LLM Agent via Programmatic Synthesis [101.67583081810136]
大規模言語モデル(LLM)は、様々な現実世界環境においてエージェントとして機能するよう訓練されることが期待されている。このプロセスはリッチで多様なツール・インタラクション・サンドボックスに依存している。スケーラブルなツールインタラクション環境のための自動化フレームワークであるEnvScalerを提案する。
論文参考訳（メタデータ） (2026-01-09T14:32:06Z)
AGOCS -- Accurate Google Cloud Simulator Framework [0.0]
Accurate Google Cloud Simulator (AGOCS)は、実際のワークロードトレースのパースに基づく、新しい高忠実なクラウドワークロードシミュレータである。このフレームワークは実行されたジョブ、タスク、ノードの非常に正確で詳細なパラメータを明らかにすることができる。
論文参考訳（メタデータ） (2025-09-30T11:40:04Z)
RefComp: A Reference-guided Unified Framework for Unpaired Point Cloud Completion [53.28542050638217]
未完成のポイントクラウドコンプリートタスクは、基礎的な真実を持たないモデルを使用して、部分的なポイントクラウドを完成させることを目的としている。既存の未ペアのポイントクラウド補完メソッドはクラスアウェアであり、すなわち、各オブジェクトクラスに別々のモデルが必要である。そこで本稿では,Reference-guided Completion (RefComp) フレームワークを新たに提案する。
論文参考訳（メタデータ） (2025-04-18T16:40:16Z)
Object as a Service: Simplifying Cloud-Native Development through Serverless Object Abstraction [1.4610038284393168]
我々は、アプリケーションデータと関数をクラウドオブジェクトの抽象化にカプセル化する、Object as a Service (O)と呼ばれる新しいパラダイムを提案する。 Oは、組み込み最適化機能を提供しながら、開発者がリソースとデータ管理の負担を軽減します。我々は、一貫性とフォールトトレラント保証を備えた構造化データと非構造化データの状態抽象化を提供する、Oparacaという名前のプラットフォームを開発した。
論文参考訳（メタデータ） (2024-08-09T06:55:00Z)
CloudEval-YAML: A Practical Benchmark for Cloud Configuration Generation [9.320732264679238]
クラウド構成生成のための実用的なベンチマークであるCloudEval-YAMLを提案する。データセットは、実践シナリオをターゲットにした単体テストに関する手書きの問題で構成されている。データセットは、1200時間以上かかる1011の問題で構成されている。
論文参考訳（メタデータ） (2023-11-10T01:49:57Z)
Exploring Security Practices in Infrastructure as Code: An Empirical Study [54.669404064111795]
クラウドコンピューティングは、Infrastructure as Code (IaC)ツールが広く使われていることで人気を博している。スクリプティングプロセスは、実践者が自動的に設定ミスや脆弱性、プライバシリスクを導入するのを防ぐものではない。セキュリティの確保は、実践者が明確な方針、ガイドライン、ベストプラクティスを理解し、採用することに依存する。
論文参考訳（メタデータ） (2023-08-07T23:43:32Z)
CWD: A Machine Learning based Approach to Detect Unknown Cloud Workloads [3.523208537466129]
我々は、クラウド環境で実行されるワークロードを特徴付け、プロファイルし、予測する機械学習ベースの技術を開発した。また,モデルの性能をスタンドアローンで解析する手法も開発している。
論文参考訳（メタデータ） (2022-11-28T19:41:56Z)
Object as a Service (OaaS): Enabling Object Abstraction in Serverless Clouds [2.0575037267955305]
我々は,Object as a Service (O)プログラミングとして知られる関数抽象化の上位に,新しい抽象化レベルを提案する。 Oはアプリケーションデータと機能をオブジェクトの抽象化にカプセル化し、開発者はリソースやデータ管理の負担を軽減します。また、ソフトウェア再利用性、データのローカリティ、キャッシュなど、組み込み最適化機能の機会を開放する。
論文参考訳（メタデータ） (2022-06-10T21:31:22Z)
Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
論文参考訳（メタデータ） (2021-08-30T08:03:29Z)

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。