論文の概要: Characterizing Post-Incident Software Evolution

• arxiv url: http://arxiv.org/abs/2610.27380v1
• Date: Mon, 19 Oct 2026 23:06:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.541996
• Title: Characterizing Post-Incident Software Evolution
• Title（参考訳）: インシデント後のソフトウェア進化を特徴づける
• Abstract要約: ソフトウェアインシデントの後、組織はインシデント後の分析を行うことで、ソフトウェアシステムの信頼性を改善しようとする。 分析プロセスによって引き起こされるソフトウェア進化の性質と特性について、限定的な理解がある。 この研究は、インシデント後のソフトウェア進化の、最初の経験的特徴を提供する。
• 参考スコア（独自算出の注目度）: 4.593090467185041
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: BACKGROUND: After a software incident, organizations attempt to improve the reliability of their software systems by conducting post-incident analysis and identifying actions to prevent or mitigate similar future incidents. Despite the importance of this activity, there is a limited understanding of the nature and characteristics of the software evolution triggered by the analysis process. AIMS: This study seeks to bridge this gap by providing the first empirical characterization of post-incident software evolution. We aim to establish an understanding of how these changes manifest, specifically focusing on how their characteristics (such as effort, location, and timing) differ from standard maintenance and evolutionary changes. METHOD: We conducted a mixed-methods analysis of a 10-year longitudinal dataset from Wikimedia, examining 1,302 tasks and 2,203 code reviews. We categorized these changes across five dimensions: target, effort, abandonment rate, prioritization, and time-to-resolve. RESULTS: Our results show that the post-incident evolution is distinct from other change types. Post-incident changes are more time-consuming, with a median completion time over twice that of other changes and are disproportionately concentrated in a server configuration repository. CONCLUSION: By identifying a few of the characteristics of post-incident evolution, this work provides a foundation for future research into reliability engineering and learning from failure. We highlight further avenues for exploration necessary to fully understand post-incident evolution. Lastly, our work enables researchers to move beyond high-level analysis and begin developing specialized methods and tooling tailored to the nature of post-incident evolution.
• Abstract（参考訳）: BACKGROUND: ソフトウェアインシデントの後、組織は、インシデント後の分析と、同様の将来のインシデントを予防または緩和するための行動を特定することによって、ソフトウェアシステムの信頼性を改善しようとします。 この活動の重要性にもかかわらず、分析プロセスによって引き起こされるソフトウェア進化の性質と特性について限定的な理解がある。 AIMS: この研究は、インシデント後のソフトウェア進化を初めて経験的に特徴づけることで、このギャップを埋めようとしている。 これらの変化がどのように現われるかを理解することを目指しており、特に、それらの特性(取り組み、場所、タイミングなど)が、標準的な保守や進化的な変化とどのように異なるかに焦点を当てている。 方法: Wikimediaによる10年連続データセットの混合手法分析を行い, 1,302タスクと2,203コードレビューを調査した。 これらの変化は、目標、努力、放棄率、優先順位付け、解決までの時間という5つの次元にまたがって分類した。 RESULTS: この結果から, 事故後の進化は他の変化種とは異なることが明らかとなった。 インシデント後の変更は時間がかかり、他の変更の2倍以上の平均的な完了時間はサーバ構成リポジトリに集中している。 結論: インシデント後の進化のいくつかの特徴を特定することで、この研究は、信頼性エンジニアリングと失敗からの学習に関する将来の研究の基礎を提供する。 我々は、事故後の進化を十分に理解するためには、さらなる探索の道のりを強調している。 最後に、我々の研究により、研究者はハイレベルな分析を超えて、事故後の進化の性質に合わせた特殊な方法やツールの開発を始めることができる。

関連論文リスト

• Harness Evolution as Learning: Approximation, Generalization, and Optimization Limits of Self-Improving Personal Agents [16.454467526752424]
  本稿では, ハーネスアーキテクチャ, ハーネススケール, 自己進化アルゴリズムの3つの中心的課題について検討する。 実証的に、我々は好み指向のベンチマークを導入し、個人エージェントの能力と限界を特徴づける。 我々は、学習問題として進化を定式化し、近似、一般化、最適化誤差を通じてこれらの現象を説明する。
  論文  参考訳（メタデータ） (2026-09-29T07:21:50Z)
• SEABench: Benchmarking Endogenous Misalignment In Self-Evolving Agents [49.54988737892722]
  自己進化型LDMエージェントは、ハーネスを変更することで、デプロイ後に改善する能力で有名になった。 SEABenchは、エージェントの自己進化から生じる内因性不整合を研究するためのベンチマークである。 自己進化はタスク完了率を高めるが、安全上の失敗の犠牲になることが多い。
  論文  参考訳（メタデータ） (2026-09-28T16:46:25Z)
• Self-Evolving Coding Agents [11.43197414613246]
  自己進化型コーディングエージェントは、リポジトリを検査し、ツールを実行し、テストを実行し、障害をデバッグし、パッチを生成することができる。 まず、自己進化型プログラミングエージェントを定義し、それらを従来のコーディングエージェントや一般的な自己進化型エージェントと区別する。 実行可能なフィードバック、リポジトリレベルのコンテキスト、コーディングトラジェクトリは、ソフトウェアエンジニアリングをエージェントの自己進化のための自然なドメインとして、ユニークな役割を与えます。
  論文  参考訳（メタデータ） (2026-08-04T09:43:46Z)
• Process-based Indicators of Vulnerability Re-Introducing Code Changes: An Exploratory Case Study [2.204918347869259]
  この作業は、脆弱性の再導入の理解と緩和におけるコードの変更とともに、プロセスメトリクスの重要な役割を強調します。 我々のアプローチは、再導入が一つの孤立した行動の結果であることは滅多にないが、累積的な開発活動や社会技術的条件から生じることを強調している。
  論文  参考訳（メタデータ） (2025-10-30T16:45:36Z)
• Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents [58.69865074060139]
  エージェントの自己進化が意図しない方法で逸脱し、望ましくない結果や有害な結果に至る場合について検討する。 我々の経験から、誤進化は広範囲にわたるリスクであり、最上位のLSM上に構築されたエージェントにも影響を及ぼすことが判明した。 我々は、より安全で信頼性の高い自己進化型エージェントを構築するためのさらなる研究を促すための潜在的な緩和戦略について議論する。
  論文  参考訳（メタデータ） (2025-09-30T14:55:55Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• Quantifying Process Quality: The Role of Effective Organizational Learning in Software Evolution [0.0]
  現実世界のソフトウェアアプリケーションは、常に進化し続けなければならない。 ソフトウェア品質管理の従来の手法には、ソフトウェアの品質モデルと継続的コード検査ツールが含まれる。 しかし、開発プロセスの品質と結果のソフトウェア製品との間には、強い相関関係と因果関係がある。
  論文  参考訳（メタデータ） (2023-05-29T12:57:14Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)

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。