論文の概要: Quiescence in Concert: Composing Multi-Channel Time-Outs for IOCO

• arxiv url: http://arxiv.org/abs/2609.17640v1
• Date: Tue, 15 Sep 2026 14:03:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.46935
• Title: Quiescence in Concert: Composing Multi-Channel Time-Outs for IOCO
• Title（参考訳）: IOCOのマルチチャンネルタイムアウトを制作するコンサートのクイズ
• Abstract要約: モデルベーステスト(MBT)テストスイートは、正式な仕様から自動的に生成される。 私たちは、各コンポーネントが独自のチャンネル上で独自のタイムアウトを行う場合、リフトが引き続き機能することを示した。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Model-Based Testing (MBT), test suites are generated automatically from a formal specification. The theory of testing real-time systems is rich, but often underused in practice, partly because applying the timed machinery demands expertise practitioners should not need. In prior work we addressed this for timed testing with a canonic lifting operator, which lets a modeller specify behaviour as plain labelled transition systems while implicitly obtaining the timed automata that express their quiescent behaviour (the explicit absence of outputs) with timers. This paper takes the next step: we show that our lifting still works when each component carries its own time-out on its own channel. This way, we introduce a multi-channel lifting. We show that it commutes with parallel composition, i.e. composing and lifting is the same as lifting first and then composing. We show that the MBT apparatus survives: conformance, test generation and verdicts are preserved by the lifting, on the testable traces that a time-out based tester can observe.
• Abstract（参考訳）: モデルベーステスト(MBT)では、テストスイートは正式な仕様から自動的に生成される。 リアルタイムシステムをテストするという理論はリッチだが、時間のかかる機械を適用する場合、専門家は必要としないため、実際は過小評価されることが多い。 これは、モデラーが平易なラベル付きトランジションシステムとして振舞いを指定できると同時に、タイマーとの平衡動作(出力の明示的な欠如)を暗黙的に表現するタイムドオートマトンの取得を可能にする。 この記事では、各コンポーネントが自身のチャネル上で独自のタイムアウトを行う場合、リフトが引き続き動作することを示す。 このようにして、マルチチャネルリフトを導入する。 平行な構成で通勤することを示す。つまり、作曲と持ち上げは、最初に持ち上げてから組み立てるのと同じである。 タイムアウトベースのテスタが観察できるテスト可能なトレースに基づいて、リフティングによって適合性、テスト生成、検証が保存される。

関連論文リスト

• InA-Probe: Instruction-Aware Active Probing for Time Series Forecasting with LLMs [45.91332553359387]
  大規模言語モデル(LLM)は、最近、時系列予測の驚くべき可能性を実証した。 Instruction-aware Active Probing (InA-Probe)を提案する。 実験では、InA-Probeは最先端のディープラーニングとLLMベースのベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-07T12:27:13Z)
• Monitoring Data-aware Temporal Properties (Extended Version) [56.386411908764494]
  有限トレース上の任意のSMT理論に富む線形時間特性の予測モニタリングについて考察する。 この設定での予測モニタリングは非常に困難であり、監視状態はこれまでのトレースプレフィックスと可能な有限継続の両方に依存している。 本研究は,表現的フラグメントオフMTにおける特性モニタリングのための新しい基礎的枠組みの正しさを提示し,正式に証明するものである。
  論文  参考訳（メタデータ） (2026-05-14T10:23:11Z)
• TTA-Vid: Generalized Test-Time Adaptation for Video Reasoning [54.70019148172847]
  テスト時強化学習(Test-Time Reinforcement Learning)のパラダイムをビデオ言語データに活用することにより,事前学習されたモデルを明示的なラベルなしで,テスト時のビデオサンプルに適応させることができる。 ビデオアプローチのためのテスト時間適応(TTA-Vid)は、同時に動作する2つのコンポーネントを組み合わせる。 TTA-Vidは、様々なビデオ推論タスクで一貫した改善をもたらし、大規模データで訓練された最先端の手法より優れている。
  論文  参考訳（メタデータ） (2026-04-01T09:52:57Z)
• Pathwise Test-Time Correction for Autoregressive Long Video Generation [22.125936438598444]
  蒸留自己回帰拡散モデルにより、リアルタイムのショートビデオ合成が容易になるが、長いシーケンス生成時に重大なエラーの蓄積に悩まされる。 テスト時間補正(TTC, Test-Time Correction)は、トレーニング不要な代替手段である。具体的には、TTCは、初期フレームをサンプリング軌道に沿った中間状態への安定した参照アンカーとして利用する。 提案手法は, 種々の蒸留モデルを用いてシームレスに校正し, 30秒のベンチマークにおいて, 資源集約型学習法の品質に適合しながら, 生成長を無視できるオーバーヘッドで拡張する。
  論文  参考訳（メタデータ） (2026-02-05T16:50:39Z)
• Test-Time Spectrum-Aware Latent Steering for Zero-Shot Generalization in Vision-Language Models [34.181702444695794]
  スペクトル認識型テスト時間ステアリング(STS)を導入し,遅延表現をスペクトル認識方式で操る。 STSは、凍結エンコーダのバックプロパゲーションや修正なしに、潜在空間での推論で完全に動作する。 標準評価プロトコルをベースとした実験では,STSが最先端の試験時間適応手法をはるかに上回るか,あるいは好適に比較することを示した。
  論文  参考訳（メタデータ） (2025-11-12T23:25:58Z)
• AutoIRT: Calibrating Item Response Theory Models with Automated Machine Learning [8.079755354261328]
  本稿では、アウトオブボックス自動機械学習(AutoML)ツールと互換性のある多段階のフィッティング手順を提案する。 モンテカルロEM(MCEM)の外ループに2段の内ループがあり、アイテムの特徴を使って非パラメトリックオートMLグレードモデルを訓練し、続いてアイテム固有のパラメトリックモデルを訓練する。 結果のモデルは通常より良好で、予測性能が向上し、既存の手法よりも正確なスコアが得られます。
  論文  参考訳（メタデータ） (2024-09-13T13:36:51Z)
• Test-Time Training on Video Streams [66.63237260332984]
  以前の作業では、テスト時にトレーニングされたモデルをさらに改善するための一般的なフレームワークとして、テスト時間トレーニング(TTT)が確立されていた。 TTTをストリーミング設定に拡張し、複数のテストインスタンスが時間順に到着します。 オンラインTTTは、現実世界の3つのデータセット上で、4つのタスクで固定モデルベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2023-07-11T05:17:42Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)

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。