論文の概要: DynaCI: Generating GitHub Actions Workflows via Dynamic Analysis

• arxiv url: http://arxiv.org/abs/2610.29890v1
• Date: Wed, 21 Oct 2026 15:32:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.39275
• Title: DynaCI: Generating GitHub Actions Workflows via Dynamic Analysis
• Title（参考訳）: DynaCI: 動的解析によるGitHub Actionsワークフローの生成
• Abstract要約: DynaCIは、開発者のローカル環境から実行時情報を使用してCIを生成する新しいアプローチである。 私たちは、GitHub Actionsを使用する50の人気のあるPythonプロジェクトでDynaCIを評価します。
• 参考スコア（独自算出の注目度）: 0.3674863913115431
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous Integration (CI) is an essential practice that automatically validates code changes through builds and tests. However, configuring CI workflows remains challenging, as modern software often features complex architectures, numerous dependencies, and support for diverse execution environments. Most CI platforms also require workflows to be written in their particular domain-specific languages. As a result, CI workflows are often error-prone and hard to maintain, especially for those unfamiliar with CI semantics. Prior work on automated CI workflow generation require developers to create specifications that describe their intended workflows using natural language, partial workflows, etc. However, in practice, developers may struggle to articulate requirements and may be unaware of available CI features. To address these limitations, we propose DynaCI, a novel approach that uses runtime information from developers' local environments to generate CI workflows. DynaCI (i) traces the developers' local environment to collect runtime information, (ii) constructs an initial workflow by applying runtime-informed heuristics, and (iii) iteratively refines the workflow via LLM-based Retrieval Augmented Generation (RAG). We evaluate DynaCI on 50 popular Python projects that use GitHub Actions, a popular CI platform, and compare it against the state-of-the-art CI workflow generation approaches: GH-WCOM and LLM4GW. DynaCI outperforms these existing approaches by more than 21.13% in BLEU score and 20.96% in F1 score on average. It also generates workflows without missing functionality in 56% of cases, while requiring fewer manual modifications to repair such exceptions. These results demonstrate that leveraging runtime information substantially improves LLM-based CI workflow generation, and offer a promising direction for broader DevOps configuration automation.
• Abstract（参考訳）: 継続的統合(CI)は、ビルドやテストを通じてコードの変更を自動的に検証する重要なプラクティスです。 しかし、現代的なソフトウェアは複雑なアーキテクチャ、多数の依存関係、さまざまな実行環境をサポートすることが多いため、CIワークフローの設定は依然として困難である。 ほとんどのCIプラットフォームでは、特定のドメイン固有の言語で書かれたワークフローも必要です。 結果として、CIワークフローはエラーを起こしやすいことが多く、特にCIセマンティクスに精通していない人にとってはメンテナンスが難しい。 自動CIワークフロー生成の以前の作業では、自然言語や部分ワークフローなどを使用して、開発者が意図したワークフローを記述する仕様を作成する必要があった。 しかし、実際には、開発者は要件を明確にするために苦労するかもしれないし、利用可能なCI機能に気づいていないかもしれない。 これらの制限に対処するために、開発者のローカル環境から実行時情報を使用してCIワークフローを生成する新しいアプローチであるDynaCIを提案する。 DynaCI i) 実行時情報を収集するために、開発者のローカル環境をトレースする。 (ii)ランタイムインフォームドヒューリスティックを適用して初期ワークフローを構築し、 (iii)LLMベースの検索拡張生成(RAG)によってワークフローを反復的に洗練する。 我々は、人気のあるCIプラットフォームであるGitHub Actionsを使用する50の人気のあるPythonプロジェクトでDynaCIを評価し、最先端のCIワークフロー生成アプローチであるGH-WCOMとLLM4GWと比較した。 DynaCIは、BLEUスコアが21.13%、F1スコアが20.96%以上である。 また、56%のケースで機能を欠くことなくワークフローを生成すると同時に、このような例外を修復するために手作業による修正を少なくする。 これらの結果は、ランタイム情報を活用することで、LLMベースのCIワークフロー生成が大幅に改善されることを示し、より広範なDevOps構成自動化のための有望な方向を提供する。

関連論文リスト

• CURATE: Leveraging LLM Agents to Compose, Catalog, and Deploy Reproducible Workflows [0.0]
  既存のコーディングエージェントは主にコード生成に重点を置いており、デプロイメントや共有を含むワークフローライフサイクル全体に対処していない。 CURATE - composition, User-in-the-loop, Reuse, and Automated Task Execution - a novel human-in-the-loop multi-agent system。
  論文  参考訳（メタデータ） (2026-08-04T23:01:29Z)
• From Specification to Execution: AI Assisted Scientific Workflow Management [0.7507031378170735]
  本稿では,AIを活用した科学ワークフロー管理手法を提案する。 このメソッドは、ワークフローの意図、設計、実装を分離する構造化された仕様フェーズを導入し、コード生成に先立って検証を可能にする。 本手法は, 並列性, 反復性, 依存性集約構造で選択された医用画像にフェデレートした学習ワークフローを用いて評価する。
  論文  参考訳（メタデータ） (2026-06-16T19:21:09Z)
• Chat2Workflow: A Benchmark for Generating Executable Visual Workflows with Natural Language [29.66870012781284]
  Chat2Workflowは、自然言語から直接実行可能なビジュアルを生成するためのベンチマークである。 本稿では,繰り返し実行エラーを軽減するための堅牢なエージェントフレームワークを提案する。 我々のフレームワークは最大で5.34%のリゾルバ率を得るが、残りの現実世界のギャップはChat2Workflowを産業レベルの自動化の基盤として位置づけている。
  論文  参考訳（メタデータ） (2026-04-21T16:49:11Z)
• Environment-Aware Code Generation: How far are We? [52.69113158357018]
  大規模言語モデル(LLM)がユーザの特定の環境に適した実行可能コードを確実に生成できるかどうかは不明である。 本稿では,環境対応コード生成(EACG)の最初の体系的研究について述べる。 その結果,現在のLLMは環境固有のコード生成に苦しむ一方で,環境の適合性や実行性も向上していることがわかった。
  論文  参考訳（メタデータ） (2026-01-18T04:58:15Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
  DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。 社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。 結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
  論文  参考訳（メタデータ） (2025-09-30T10:36:23Z)
• Generalizable End-to-End Tool-Use RL with Synthetic CodeGym [52.31172214690965]
  エージェントRLのための多目的ツール環境を多種多様な、検証可能な、制御可能な、多目的ツール環境を合成するフレームワークであるCodeGymを紹介する。 CodeGymは、静的コーディングの問題を対話的な環境に書き換え、原子関数やロジックを呼び出し可能なツールに抽出する。 さまざまなサイズのモデルとCodeGymでトレーニングされたチェーン・オブ・コンフィグレーションは、一貫したアウト・オブ・ディストリビューションの一般化性を示す。
  論文  参考訳（メタデータ） (2025-09-22T03:03:56Z)
• An Empirical Study of Complexity, Heterogeneity, and Compliance of GitHub Actions Workflows [0.0]
  GitHub Actions(GHA)は、GitHubとの深い統合により、支配的なサービスとして登場した。 GHAは公式ドキュメンテーションとコミュニティが支援するベストプラクティスを提供する。 本研究は,オープンソースソフトウェアリポジトリにおけるGHAの構造,複雑性,コンプライアンスについて検討する。
  論文  参考訳（メタデータ） (2025-07-24T03:26:38Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Flow: Modularized Agentic Workflow Automation [53.073598156915615]
  大規模言語モデル(LLM)を利用したマルチエージェントフレームワークは、自動計画とタスク実行において大きな成功を収めている。 しかし, 実行中のエージェントの効果的な調整は十分に研究されていない。 本稿では,エージェントによる継続的なワークフロー改善を可能にするアクティビティ・オン・頂点(AOV)グラフを定義する。 提案するマルチエージェントフレームワークは,サブタスクの効率的な同時実行,効果的なゴール達成,エラー耐性の向上を実現している。
  論文  参考訳（メタデータ） (2025-01-14T04:35:37Z)
• AutoFlow: Automated Workflow Generation for Large Language Model Agents [39.72700864347576]
  大規模言語モデル(LLM)は、複雑な自然言語を理解する上で大きな進歩を見せている。 LLMエージェントが与えられたタスクを解決するための効果的で信頼性の高い手順に従うようにするために、手動で設計されるのが通常である。 複雑なタスクを解決するためにエージェントを自動的に生成するフレームワークであるAutoFlowを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:05:02Z)

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。