Fugu-MT 論文翻訳(概要): Deep Learning-based Bug Triage System

論文の概要: Deep Learning-based Bug Triage System

arxiv url: http://arxiv.org/abs/2609.11420v1
Date: Thu, 10 Sep 2026 11:49:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.320062
Title: Deep Learning-based Bug Triage System
Title（参考訳）: ディープラーニングに基づくバグトリアージシステム
Abstract要約: 提案システムでは,5つの学習時間内に0.90の強いバグ識別精度を実現する。これらの知見は、実用的なソフトウェアエンジニアリング自動化のための微調整トランスモデルの効率性と高性能性を浮き彫りにしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Effective bug triage is crucial for streamlining the software development lifecycle by accurately categorizing and assigning reported software defects. In this paper, we propose an automated bug triage system built upon the pre-trained RoBERTa-base transformer architecture. By leveraging deep contextual representations, our approach efficiently classifies incoming bug reports to optimize assignment. Experimental evaluation demonstrates that the proposed system achieves a strong bug identification accuracy of 0.90 within just five training epochs. These findings highlight the efficiency and high performance of fine-tuned transformer models for practical software engineering automation.
Abstract（参考訳）: 報告されたソフトウェア欠陥を正確に分類し、割り当てることによって、ソフトウェア開発ライフサイクルを合理化する上で、効果的なバグトリアージが不可欠です。本稿では,事前学習したRoBERTaベーストランスアーキテクチャをベースとした自動バグトリアージシステムを提案する。より深い文脈表現を活用することにより,本手法は,入ってくるバグレポートを効率的に分類し,割り当てを最適化する。実験により,本システムでは,5回の訓練期間内に0.90の強いバグ識別精度が得られた。これらの知見は、実用的なソフトウェアエンジニアリング自動化のための微調整トランスモデルの効率性と高性能性を浮き彫りにしている。

関連論文リスト

ELT-Bench-Verified: Benchmark Quality Issues Underestimate AI Agent Capabilities [4.5258165293324515]
Extract-Load-Transformパイプラインは、労働集約的なデータエンジニアリングタスクであり、AI自動化の高インパクトターゲットである。エンドツーエンドのETLパイプライン構築のための最初のベンチマークであるETL-Benchでは、AIエージェントが最初に成功率を低くした。これらの結果を再検討し,エージェント能力を著しく過小評価する要因を2つ同定した。
論文参考訳（メタデータ） (2026-03-31T08:02:16Z)
CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
論文参考訳（メタデータ） (2026-03-06T15:11:58Z)
Bug Severity Prediction in Software Projects Using Supervised Machine Learning Models [0.0]
本研究では、教師付き機械学習アルゴリズムに基づいて、バグ重大度レベルの予測を行う異なる分類器の比較を行う。精度,精度,リコール,F1スコア,AUC-ROC,混乱行列で評価した。
論文参考訳（メタデータ） (2026-01-09T05:06:43Z)
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)
Towards Accurate and Efficient Waste Image Classification: A Hybrid Deep Learning and Machine Learning Approach [0.05599792629509228]
本研究は,(1)手作り特徴を用いた機械学習アルゴリズム,(2)ResNet変種やEfficientNetV2Sを含むディープラーニングアーキテクチャ,(3)Support Vector MachineやLogistic Regressionなどの古典的分類器と組み合わせて特徴抽出にディープモデルを利用するハイブリッドアプローチの3つのパラダイムを総合的に比較した。 TrashNet, Garbage Classification, and a refined Household Garbage dataset という3つの公開データセットの実験では、ハイブリッド手法がTrashNetと改良されたハウスセットで最大100%の精度を達成し、ガーベッジ分類で99.87%を達成し、その結果、その状態を超えたことが示されている。
論文参考訳（メタデータ） (2025-10-22T08:32:51Z)
CCrepairBench: A High-Fidelity Benchmark and Reinforcement Learning Framework for C++ Compilation Repair [18.624106902572155]
CCrepairは、洗練された生成と検証パイプラインによって構築された、新しい大規模C++コンパイルエラーデータセットである。第2に,ハイブリッド報酬信号で導かれる強化学習パラダイムを提案し,その焦点を単なるコンパイル性から修正の意味的品質にシフトさせる。
論文参考訳（メタデータ） (2025-09-19T07:06:27Z)
Application of Machine Learning for Correcting Defect-induced Neuromorphic Circuit Inference Errors [0.0]
本稿では,ReRAMベースのニューロモルフィック回路において,故障による推論誤差を補正する機械学習手法を提案する。設計技術共最適化(DTCO)シミュレーションフレームワークを用いて,6種類の空間欠陥をモデル化・解析する。提案手法は,回路の出力電圧に基づいてトレーニングされた軽量ニューラルネットワークを用いて,最大で35%(55%から90%)の精度低下を予測できることを示す。
論文参考訳（メタデータ） (2025-09-14T06:05:27Z)
Action Flow Matching for Continual Robot Learning [54.10050120844738]
ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
論文参考訳（メタデータ） (2025-04-25T16:26:15Z)
Learning on Transformers is Provable Low-Rank and Sparse: A One-layer Analysis [63.66763657191476]
低ランク計算としての効率的な数値学習と推論アルゴリズムはトランスフォーマーに基づく適応学習に優れた性能を持つことを示す。我々は、等級モデルが適応性を改善しながら一般化にどのように影響するかを分析する。適切なマグニチュードベースのテストは,テストパフォーマンスに多少依存している,と結論付けています。
論文参考訳（メタデータ） (2024-06-24T23:00:58Z)
Efficient Transferability Assessment for Selection of Pre-trained Detectors [63.21514888618542]
本稿では,事前学習対象検出器の効率的な伝達性評価について検討する。我々は、事前訓練された検出器の大規模で多様な動物園を含む検出器転送性ベンチマークを構築した。実験により,本手法は伝達性の評価において,他の最先端手法よりも優れていることが示された。
論文参考訳（メタデータ） (2024-03-14T14:23:23Z)
Transformer-based approaches to Sentiment Detection [55.41644538483948]
テキスト分類のための4種類の最先端変圧器モデルの性能について検討した。 RoBERTa変換モデルは82.6%のスコアでテストデータセット上で最高のパフォーマンスを示し、品質予測に非常に推奨されている。
論文参考訳（メタデータ） (2023-03-13T17:12:03Z)

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。