Fugu-MT 論文翻訳(概要): LLM-Assisted Workflow for Structural Difference Visualization in Evolving Software Requirements

論文の概要: LLM-Assisted Workflow for Structural Difference Visualization in Evolving Software Requirements

arxiv url: http://arxiv.org/abs/2609.28002v1
Date: Wed, 23 Sep 2026 12:31:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 00:05:18.016226
Title: LLM-Assisted Workflow for Structural Difference Visualization in Evolving Software Requirements
Title（参考訳）: ソフトウェア要件の進化における構造的差異可視化のためのLLM支援ワークフロー
Abstract要約: Work-flowはベースラインと現在の要求をセマンティックグラフとして表現します。比較ビューは一致したエンティティをアライメントし、視覚的エンコーディングを使用して構造的変更をハイライトする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents an LLM-assisted workflow for visualizing structural differences in evolving software require- ments. Implemented in the OntologyWeb environment, the work- flow represents baseline and current requirements as triple-based semantic graphs and supports side-by-side comparison of curated graph snapshots. The comparison view aligns matched entities and uses visual encoding to highlight structural changes.
Abstract（参考訳）: 本稿では,ソフトウェア要求要素の進化における構造的差異を可視化するLLM支援ワークフローを提案する。 OntologyWeb環境で実装されたワークフローは、ベースラインと現在の要求をトリプルベースのセマンティックグラフとして表現し、キュレートされたグラフスナップショットのサイドバイサイド比較をサポートする。比較ビューは一致したエンティティをアライメントし、視覚的エンコーディングを使用して構造的変更をハイライトする。

関連論文リスト

ATWL: A Formal Language for Representing, Comparing, and Reusing Visual Analytics Workflows [18.606007955432283]
視覚分析(VA)は本質的に複雑で、データ変換、特徴工学、視覚的表現、人間の解釈を含む。これらは典型的には、構造化されていない散文で説明され、体系的な比較を妨げる、証明された戦略の再利用、初心者の訓練などである。本稿では,ドメインに依存しない宣言型言語であるArtifact-Transform Language(ATWL)について述べる。
論文参考訳（メタデータ） (2026-05-25T06:51:02Z)
From Static Templates to Dynamic Runtime Graphs: A Survey of Workflow Optimization for LLM Agents [39.457720579458]
大規模言語モデル(LLM)ベースのシステムは、タスクの解決に人気が高まっている。本稿では,そのような計算を設計・最適化するための最近の手法について概観する。
論文参考訳（メタデータ） (2026-03-23T17:42:59Z)
CAL-RAG: Retrieval-Augmented Multi-Agent Generation for Content-Aware Layout Design [6.830055289299306]
CAL-RAGは、コンテンツ対応レイアウト生成のための検索拡張エージェントフレームワークである。我々は、LangGraphを使ってフレームワークを実装し、セマンティック変数に富んだベンチマークで評価する。その結果,検索強化とエージェント的多段階推論を組み合わせることで,拡張性,解釈性,高忠実度な解が得られることがわかった。
論文参考訳（メタデータ） (2025-06-27T06:09:56Z)
Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
フローチャートは意思決定プロセスを視覚化するための重要なツールです。視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。 LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
論文参考訳（メタデータ） (2025-06-02T06:02:41Z)
StarFlow: Generating Structured Workflow Outputs From Sketch Images [10.870956565888545]
本稿では,視覚言語モデルを用いたスケッチから構造化ワークフロー出力を生成するフレームワークであるStarFlowを紹介する。アプローチの強みと限界を分析するために、複数の視覚言語モデルを微調整し、ベンチマークします。この結果から,ファインタニングによりワークフロー生成が大幅に向上し,このタスクにおける視覚言語モデルの性能が向上することが示された。
論文参考訳（メタデータ） (2025-03-27T18:04:05Z)
Multi-View Empowered Structural Graph Wordification for Language Models [12.22063024099311]
本稿では,LLM-graphアライメントのためのエンドツーエンドのモダリティアライメントフレームワークについて紹介する。提案手法は LLM とのトークンレベルアライメントを容易にするために設計されており,グラフの内在的' を理解可能な自然言語に効果的に翻訳することができる。我々のフレームワークは、LLMとGNN間のトークンレベルのアライメントを実現するための、有望な試みである、ある視覚的解釈可能性、効率、堅牢性を保証する。
論文参考訳（メタデータ） (2024-06-19T16:43:56Z)
PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。我々は,ユーザのデザイン意図に基づいて編集可能なポスターを生成する自動テキスト投稿システムを開発した。
論文参考訳（メタデータ） (2024-06-05T03:05:52Z)
Towards More Unified In-context Visual Understanding [74.55332581979292]
マルチモーダル出力を有効にした視覚理解のための新しいICLフレームワークを提案する。まず、テキストと視覚的プロンプトの両方を量子化し、統一された表現空間に埋め込む。次にデコーダのみのスパーストランスアーキテクチャを用いて生成モデリングを行う。
論文参考訳（メタデータ） (2023-12-05T06:02:21Z)
Enhancing Visually-Rich Document Understanding via Layout Structure Modeling [91.07963806829237]
レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
論文参考訳（メタデータ） (2023-08-15T13:53:52Z)

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。