論文の概要: The Artifact Promotion Control Model: An Implementation Case Study. Build on Target Machines vs. Build Once and Promote Artifacts
- arxiv url: http://arxiv.org/abs/2609.35891v1
- Date: Sun, 27 Sep 2026 13:42:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.881957
- Title: The Artifact Promotion Control Model: An Implementation Case Study. Build on Target Machines vs. Build Once and Promote Artifacts
- Title（参考訳）: アーティファクト促進制御モデル: ターゲットマシンとビルド・アズ・アンド・プロモート・アーティファクトの構築
- Abstract要約: アーティファクトプロモーション(Artifact promotion)とは,ソフトウェアを一度ビルドして,同じビルドされたコピーをテストと運用環境を通じて移動する,という意味だ。
紙はそれらを1つのモデルとして組み立てる。
Part IIは、AWS上のプロダクションWebアプリケーションの匿名ケーススタディで、リリースがひとつのコマンドであり、アップロードから実行中のフリートへのアーティファクトパスが自律的である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artifact promotion means building the software once and moving that same built copy through the test and production environments, instead of building it again on each server. A previous treatment by the first author presented it as a control model for cloud deployment in accessible engineering prose. Part I of this paper restates the model in stricter form: the release object, the control domains a deployment crosses, the artifact-versus-environment identity distinction, source-control compromise as a control-domain question, and the regulatory controls (FedRAMP/SI-7, SOX 404, FFIEC, DO-178C, FDA 21 CFR Part 11, HIPAA, DoD IL) whose integrity and change-control requirements the model's properties meet more directly than build-on-target does. The parts of the model are each in the literature already: the build-once principle, the build/release/run split, binary authorization, separation as a supply-chain property, NIST SP 800-204D. The paper assembles them as one model, whatever form the built copy takes; states that a secret injected at build time breaks artifact identity; restates why downloading libraries at deployment time is an attack surface that grows with their number; and derives that the releasing role needs no production password. Part II is an anonymized case study of a production web application on AWS in which a release is one command and the artifact's path from upload to running fleet is autonomous. It reports 31 production rollouts timed stage by stage from the platform's records (36 s per server inside a six-minute rollout), 22 releases in the first four weeks, the application's service levels, a control table stating which controls the implementation has and which it lacks (no signature, no scan, no approval record, no verification at deploy), and the two release units the pipeline did not cover. A closing table checks each claim of Part I against that record.
- Abstract（参考訳）: アーティファクトプロモーション(Artifact promotion)とは,ソフトウェアを一度ビルドして,同じビルドされたコピーをテストや運用環境を通じて移動する,という意味だ。
最初の著者による以前の治療では、アクセス可能なエンジニアリングの散文におけるクラウドデプロイメントの制御モデルとして提示された。
第1部では,本モデルが厳密な形で再定義されている: リリースオブジェクト,デプロイメントの制御ドメイン,アーティファクトと環境の識別,コントロールドメインとしてのソースコントロールの妥協,および制御制御(FedRAMP/SI-7, SOX 404, FFIEC, DO-178C, FDA 21 CFR Part 11, HIPAA, DoD IL)。
ビルド/リリース/実行の原則、ビルド/リリース/実行の分割、バイナリの承認、サプライチェーンプロパティとしての分離、NIST SP 800-204D。
論文はそれらを1つのモデルとして組み立て、ビルド時に注入された秘密のインジェクトがアーティファクトのアイデンティティを損なうこと、デプロイ時にライブラリをダウンロードすることが、その数で増加するアタックサーフェスであること、リリースロールが本番パスワードを必要としないこと、などが述べられている。
Part IIは、AWS上のプロダクションWebアプリケーションの匿名ケーススタディで、リリースがひとつのコマンドであり、アップロードから実行中のフリートへのアーティファクトパスが自律的である。
プラットフォームレコード(6分間のロールアウト内でのサーバ毎36秒)、最初の4週間で22回のリリース、アプリケーションのサービスレベル、どの実装を制御しているか、どの実装が欠如しているかを示すコントロールテーブル(署名なし、スキャンなし、承認記録なし、デプロイ時の検証なし)、パイプラインがカバーしていない2つのリリースユニットから、ステージごとに31回、ステージごとのロールアウトが報告されている。
クローズテーブルは、そのレコードに対してパートIの各クレームをチェックする。
関連論文リスト
- SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - Attesting Outputs and Delegation Ancestry in Multi-Agent AI Systems [3.276413627586882]
事件後、検証者は2つの質問に答えなければならない。
クレデンシャルは、誰が行動するかを確立するが、後続の出力バイトにそれらをバインドする必要はない。
信頼できるデプロイランタイムは、リリースされた各出力のハッシュに署名する。
論文 参考訳（メタデータ） (2026-08-31T07:42:57Z) - AgentProv: Auditing Agentic LLM API Providers via Tool-use Policy Probes [38.37599802008238]
商用LLM APIは特定の基盤モデルを宣伝するが、提供されたバックボーンは静かに代用され、定量化され、あるいはラップされることがある。
既存の監査はすべて、テキスト出力チャネルからバックボーンアイデンティティを決定する。
本稿では,AgentProv(AgentProv)について紹介する。
論文 参考訳（メタデータ） (2026-08-30T08:22:12Z) - Rebuild Dossier: Mechanically-Enforced Specs for Agentic App Rebuilds, and What Model-Tier Failures Reveal [0.0]
restruct-dossierは、コードを記述する前にアプリケーションの実際のインターフェースをロックするオープンソースツールである。
自動チェックによるワンテスト・アズ・ア・タイムのビルドを強制する。
論文 参考訳（メタデータ） (2026-08-22T01:26:56Z) - From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。
188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。
計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
論文 参考訳（メタデータ） (2026-08-21T16:45:00Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Can Code Specify a System Precisely Enough to Formally Verify It? [0.0]
本報告では,業務用レストラン・ポイント・オブ・セールシステムの支払ワークフローを実運用ソフトウェアで評価する。
コアプロトコルは、正確に定義された障害モデルの下で手作りのラインアクティベートされたモデルに対して正しい。
生産用サンドボックスの1つのプローブは、全リカバリはしごを到達不能にする応答形状のばらつきを露呈した。
論文 参考訳（メタデータ） (2026-07-06T13:39:00Z) - Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks [40.270213696031625]
OverEager-Genは、良質なタスクの振る舞いをオーバーイーガーするベンチマークである。
クロード・コードでは、同意宣言を削除するだけで、オーバーイーガー率は0.0%から17.1%に上昇する。
オーバーイーガー・ジェン(OverEager-Gen)は、入場前に各シナリオの識別力を認定する。
論文 参考訳（メタデータ） (2026-05-18T16:00:41Z) - ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。
ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。
ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
論文 参考訳（メタデータ） (2026-05-13T01:04:21Z) - Speculative Decoding with Big Little Decoder [108.95187338417541]
Big Little Decoder (BiLD) は、幅広いテキスト生成アプリケーションの推論効率と遅延を改善するフレームワークである。
NVIDIA T4 GPUでは、当社のフレームワークは最大2.12倍の高速化を実現し、生成品質の最小化を実現している。
私たちのフレームワークは完全にプラグアンドプレイで、トレーニングプロセスやモデルアーキテクチャの変更なしに適用できます。
論文 参考訳（メタデータ） (2023-02-15T18:55:29Z)
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。