Fugu-MT 論文翻訳(概要): The Impact of Magma: A Ground-Truth Fuzzing Benchmark

論文の概要: The Impact of Magma: A Ground-Truth Fuzzing Benchmark

arxiv url: http://arxiv.org/abs/2608.28016v1
Date: Fri, 28 Aug 2026 07:32:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-31 17:16:04.245914
Title: The Impact of Magma: A Ground-Truth Fuzzing Benchmark
Title（参考訳）: Magma の影響: 地道ファジィベンチマーク
Abstract要約: Magmaは当初、ACM SIGMETRICS 2021で発表された研究論文とともにリリースされた。この記事では、Magmaのモチベーション、設計、そして影響を説明します。
参考スコア（独自算出の注目度）: 17.195884539060344
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Magma is an open-source and ground-truth fuzzing benchmark that enables uniform fuzzer evaluation and comparison. Magma was originally released with a research paper published at ACM SIGMETRICS 2021. This short paper explains the motivation, the design, and the impact of Magma, with a description of extensions to the original benchmark.
Abstract（参考訳）: Magmaは、一様ファジィア評価と比較を可能にする、オープンソースおよび地道ファジィベンチマークである。 Magmaは当初、ACM SIGMETRICS 2021で発表された研究論文とともにリリースされた。本稿では、Magmaのモチベーション、設計、および影響を説明し、オリジナルのベンチマークの拡張について説明する。

関連論文リスト

From Extraction to Governed Memory: Multi-Agent Knowledge Graph Construction with Domain-Expert Review [0.0]
信頼性のあるエージェント知識システムは、このギャップを埋めるためには、グラフ構築の不可欠なコンポーネントとしてガバナンスを必要とします。本稿では,Governed Knowledge Graphsを構築するための多エージェントフレームワークであるMAGGを提案する。 SciERCでは、MAGGは厳密な三重F1を47%改善し、平らな挿入で三重F1を51%改善する。 MuSiQue では、MAGG は Microsoft GraphRAG を 9.0 の正確なマッチ点と 11.2 のトークン-F1 点で上回っている。
論文参考訳（メタデータ） (2026-08-12T01:45:23Z)
MedJudgeRAG: Option-Wise Evidence Judgment with Dynamic Knowledge Graphs for Medical MCQA [7.470323681083646]
MCQA(Multiple-choice Question answering)では、Retrieval-Augmented Generation(RAG)は言語モデル(LM)のドメイン知識を補うことができる。本フレームワークは,検索した文書を,エンティティと関係性からなる動的知識グラフ(KG)として表現する。 MedJudgeRAGはバニラRAGとパラメトリックベースラインの両方を一貫して上回っている。
論文参考訳（メタデータ） (2026-07-24T06:02:41Z)
Does Your Wildfire Prediction Model Actually Work, or Just Score Well? [17.463683393779647]
既存の地球基盤モデル(アースFM)は、山火事の予報よりも一般的な大気や地球物理学的な目的のために事前訓練されている。本研究では,気象,活火観測,地形,植生,静環境データを用いた山火事予報のための基礎モデルWILDFIRE-FMを紹介する。 2つの制御されたチェックを持つ固定契約評価フレームワークを導入し、マッチングルール効果の固定出力チェックと、ヘッド選択効果の固定状態チェックを提案する。
論文参考訳（メタデータ） (2026-05-14T04:28:10Z)
PMark: Towards Robust and Distortion-free Semantic-level Watermarking with Channel Constraints [49.2373408329323]
大規模言語モデル(LLM)のための透かしレベル(SWM)に関する新しい理論フレームワークを提案する。 PMarkは単純だが強力なSWM手法であり、サンプリングチャネルを通して中央値の次文を動的に推定する。実験結果から,PMarkはテキスト品質とパラフレージングの両方において,既存のSWMベースラインを一貫して上回ることがわかった。
論文参考訳（メタデータ） (2025-09-25T12:08:31Z)
The Other Side of the Coin: Exploring Fairness in Retrieval-Augmented Generation [73.16564415490113]
Retrieval-Augmented Generation (RAG)は、外部の知識ソースから関連文書を取得することにより、Large Language Models (LLM)を強化する。本稿では,小規模LLMにおいてRAGが導入した公平性問題を軽減するために,FairFTとFairFilterの2つのアプローチを提案する。
論文参考訳（メタデータ） (2025-04-11T10:17:10Z)
Toward Effective Digraph Representation Learning: A Magnetic Adaptive Propagation based Approach [25.480164922103352]
MagDGは複雑なWebスケールトポロジーをモデル化する上で優れた能力を示している。既存のMagDGによって達成された大きな成功にもかかわらず、制限は依然として存在する。 MAPはプラグアンドプレイ複合ドメインの伝搬最適化戦略として設計され,MAP++は新たなグラフ学習フレームワークである。
論文参考訳（メタデータ） (2025-01-21T01:52:02Z)
SciFIBench: Benchmarking Large Multimodal Models for Scientific Figure Interpretation [50.061029816288936]
SciFIBenchは、2000の質問を8つのカテゴリに分けた科学的図形解釈ベンチマークである。質問はarXiv紙のフィギュアとキャプションからキュレートされ、相手のフィルターを使ってハードネガティブを見つけ、品質管理のための人間による検証を行う。我々はSciFIBench上で28LMMを評価し、これは挑戦的なベンチマークであることが判明した。
論文参考訳（メタデータ） (2024-05-14T17:54:17Z)
Fusion of the Power from Citations: Enhance your Influence by Integrating Information from References [3.607567777043649]
本研究は,ある論文が学者の影響力を高めることができるか否かを判断するために,予測問題を定式化することを目的とする。この研究にこの枠組みを適用することで、研究者は自分の論文が将来の影響力を高めることができるかどうかを特定できる。
論文参考訳（メタデータ） (2023-10-27T19:51:44Z)
Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
論文参考訳（メタデータ） (2022-12-08T11:53:12Z)
Structure-Enhanced Meta-Learning For Few-Shot Graph Classification [53.54066611743269]
本研究では,数点グラフ分類の解法のためのメトリベースメタラーニングの可能性を検討する。 SMFGINというGINの実装は、ChemblとTRIANGLESの2つのデータセットでテストされている。
論文参考訳（メタデータ） (2021-03-05T09:03:03Z)
Dimsum @LaySumm 20: BART-based Approach for Scientific Document Summarization [50.939885303186195]
BARTモデルに基づくレイサマリー生成システムを構築した。文ラベルを余分な監視信号として活用し、レイ・サマリゼーションの性能を向上させる。
論文参考訳（メタデータ） (2020-10-19T06:36:11Z)

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。