論文の概要: An Empirical Analysis of Cross-OS Portability Issues in Python Projects
- arxiv url: http://arxiv.org/abs/2609.25531v2
- Date: Thu, 24 Sep 2026 10:10:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.317577
- Title: An Empirical Analysis of Cross-OS Portability Issues in Python Projects
- Title（参考訳）: PythonプロジェクトにおけるOS間のポータビリティ問題に関する実証分析
- Abstract要約: 我々はPythonにおけるクロスOSポータビリティ問題に関する大規模な実証的研究を行った。
我々は、2,042のオープンソースリポジトリを2つの補完的なアプローチで分析する。
- 参考スコア（独自算出の注目度）: 2.4622418924551313
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While Python is designed as a cross-platform language, real-world applications encounter portability failures when deployed across different operating systems. We present the first large-scale empirical study of cross-OS portability issues in Python, analyzing 2,042 open-source repositories using two complementary approaches: systematic cross-OS test reexecution and manual analysis of GitHub issues. Our cross-platform testing of 500 projects reveals that 11.2% exhibit OS-dependent test failures. Through systematic analysis of 240 GitHub issues, we confirm 102 genuine portability problems spanning 95 additional projects. We develop a comprehensive taxonomy identifying 7 primary failure categories - with file/directory operations, process management, and library dependencies being most prevalent - along with 24 distinct sub-categories, 15 diagnostic signatures, and 4 systematic repair patterns. Our evaluation reveals that existing static analysis tools provide minimal support for portability detection, while large language models achieve 40-79% accuracy in identifying issues and 50-77% success in generating fixes when provided with structured guidance. Through 33 contributed pull requests, we demonstrate practical applicability and developer acceptance (17 merged, zero rejected) of our findings. This work establishes the first comprehensive baseline for understanding and addressing cross-OS portability issues in Python, providing actionable insights for developers, tool designers, and the broader research community.
- Abstract（参考訳）: Pythonはクロスプラットフォーム言語として設計されているが、現実のアプリケーションは異なるオペレーティングシステムにデプロイすると移植性障害に遭遇する。
我々は,PythonにおけるクロスOSポータビリティ問題に関する大規模な実証的研究を行い,2つの補完的なアプローチを用いて2,042のオープンソースリポジトリを分析した。
500のプロジェクトのクロスプラットフォームテストでは、11.2%がOSに依存したテスト失敗を示しています。
GitHubの240の問題を体系的に分析することで、95のプロジェクトにわたる102の真のポータビリティの問題を確認します。
ファイル/ディレクトリ操作、プロセス管理、ライブラリ依存関係が最多である7つの主要な障害カテゴリと、24の異なるサブカテゴリ、15の診断シグネチャ、および4つの系統的な修復パターンを識別する包括的な分類法を開発した。
評価の結果,既存の静的解析ツールではポータビリティ検出が最小限に抑えられているのに対し,大規模言語モデルでは問題の特定に40～79%の精度が得られ,構造化ガイダンスが提供されると50～77%の修正が得られた。
33件のプルリクエストを通じて,本研究の実践的適用性と開発者の受け入れ(合併,拒否)を実証した。
この研究は、Pythonにおけるクロスプラットフォームポータビリティ問題を理解し、対処するための最初の包括的なベースラインを確立し、開発者、ツールデザイナ、より広範な研究コミュニティに実用的な洞察を提供する。
関連論文リスト
- A Large-Scale Dataset of MCP Implementations on GitHub [7.0349768355860895]
Model Context Protocol (MCP)は、大きな言語モデルを外部ツールやサービスに接続するための新しい標準を導入した。
本研究では,GitHubから直接収集した実世界のMPP実装の大規模なエビデンスベースのデータセットについて紹介する。
論文 参考訳（メタデータ） (2026-07-11T05:08:32Z) - Correct Code, Vulnerable Dependencies: A Large Scale Measurement Study of LLM-Specified Library Versions [52.50730821321986]
大規模言語モデル(LLM)におけるバージョンレベルのリスクの大規模評価を初めて行った。
我々は1000のStack OverflowプログラミングタスクのベンチマークであるPinTrace上で10のLLMを評価した。
LLM バージョン選択は LLM ベース開発における第1級, 以前は見落とされたリスクサーフェスとして確認された。
論文 参考訳（メタデータ） (2026-05-07T13:52:59Z) - HippoCamp: Benchmarking Contextual Agents on Personal Computers [71.97629614361549]
HippoCampは、マルチモーダルファイル管理におけるエージェントの能力を評価するために設計された新しいベンチマークである。
本ベンチマークでは,2K以上の実世界のファイルにまたがる42.4GBのデータを含む,多種多様なモダリティにまたがる実世界のプロファイルに対して,デバイススケールのファイルシステムをインスタンス化する。
論文 参考訳（メタデータ） (2026-04-01T17:58:33Z) - Cross-Ecosystem Vulnerability Analysis for Python Applications [8.776396282382864]
Pythonアプリケーションは、パッケージディストリビューション内でベンダ化されたり、ホストシステムにインストールされたりする、ネイティブライブラリに依存している。
現在の脆弱性スキャナは、OSディストリビューションによってバックポートされたセキュリティパッチを無視して、ベンダーの脆弱性の欠如と偽陽性によって偽陰性を生成する。
我々は、ベンダーライブラリを特定のOSパッケージバージョンやアップストリームリリースに解決する、実証可能な脆弱性分析手法を提案する。
論文 参考訳（メタデータ） (2026-03-19T09:52:29Z) - BeyondSWE: Can Current Code Agent Survive Beyond Single-Repo Bug Fixing? [61.247730037229815]
BeyondSWEは2つの軸 – 解像度スコープと知識スコープ – に沿って既存の評価を拡張する包括的なベンチマークです。
外部知識の役割を解明するために,ディープ検索とコーディング能力を統合するフレームワークであるSearchSWEを開発した。
この作業は、現実的で挑戦的な評価ベンチマークと、より有能なコードエージェントに向けた研究を進めるための柔軟なフレームワークの両方を提供する。
論文 参考訳（メタデータ） (2026-03-03T17:52:01Z) - Why Authors and Maintainers Link (or Don't Link) Their PyPI Libraries to Code Repositories and Donation Platforms [83.16077040470975]
Python Package Index(PyPI)上のライブラリのメタデータは、オープンソースライブラリの透明性、信頼性、持続性をサポートする上で重要な役割を果たす。
本稿は,5万PyPIの著者とメンテナに送付された2つの対象調査を組み合わせた大規模実証研究である。
我々は,大規模言語モデル(LLM)に基づくトピックモデリングを用いて1,400以上の応答を分析し,リポジトリと寄付プラットフォームのリンクに関連する重要なモチベーションと障壁を明らかにする。
論文 参考訳（メタデータ） (2026-01-21T16:13:57Z) - Analyzing the Availability of E-Mail Addresses for PyPI Libraries [89.21869606965578]
81.6%のライブラリには、少なくとも1つの有効な電子メールアドレスが含まれており、PyPIが主要なソースとなっている。
698,000以上の無効なエントリを識別します。
論文 参考訳（メタデータ） (2026-01-20T14:54:58Z) - A Comprehensive Study of Bugs in Modern Distributed Deep Learning Systems [7.767904938990508]
本研究は,専用の分散フレームワークにおける実践者の課題について,大規模な実証分析を行った最初の事例である。
我々は,DeepSpeed,Megatron-LM,Colossal-AIの実世界の849の問題を調査し,34のバグ症状,28の根本原因,6つの修正パターンの分類法を構築した。
その結果、45.1%のバグ症状が分散フレームワークに特有のものであり、セットアップ障害、メモリ問題、パフォーマンス異常が最も多いことが判明した。
論文 参考訳（メタデータ） (2025-12-23T13:27:05Z) - VisCoder2: Building Multi-Language Visualization Coding Agents [63.63232038173407]
可視化符号化エージェントを進化させるための3つの相補的なリソースを紹介する。
VisCoder2は、強力なオープンソースベースラインを著しく上回り、プロプライエタリなモデルのパフォーマンスにアプローチする。
論文 参考訳（メタデータ） (2025-10-24T18:03:57Z) - Beyond Final Code: A Process-Oriented Error Analysis of Software Development Agents in Real-World GitHub Scenarios [31.749442120603774]
問題解決フェーズにおけるPythonの実行エラーは、低解像度率と推論オーバーヘッドの増加と相関している。
私たちは、ModuleNotFoundErrorやTypeErrorのような最も一般的なエラーを特定し、OSErrorやデータベース関連の問題のような特に困難なエラーを強調しました。
論文 参考訳（メタデータ） (2025-03-16T06:24:51Z)
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。