論文の概要: Stuck on Red? Understanding GitHub Actions Failing Streaks

• arxiv url: http://arxiv.org/abs/2610.41863v1
• Date: Fri, 30 Oct 2026 15:17:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.78469
• Title: Stuck on Red? Understanding GitHub Actions Failing Streaks
• Title（参考訳）: Stuck on Red? Streakに失敗したGitHubのアクションを理解する
• Abstract要約: 238日間にわたって、43K以上のGitHubリポジトリの154K以上を30.9M以上で実行している。 我々は、各実行のトリガとコミットに基づいて、障害の発生と、その間に何が起こるかを調査する。 殆どの失敗は数時間で終わるが、1日以上続く5人に1人は、失敗する時間の中でライオンのシェアを占める。
• 参考スコア（独自算出の注目度）: 41.24596184513626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: GitHub Actions is the de facto CI/CD service for GitHub repositories. Its workflows should not fail when they are not expected to, nor keep on failing too long. We empirically study failing streaks, i.e., uninterrupted series of failing runs of a workflow, in 30.9M+ runs of 154K+ workflows of 43K+ GitHub repositories over 238 days. We study how failing streaks begin and end, and what happens during them, based on the trigger and the commit of each run. We also classify all workflows by their purposes, such as building, testing or deploying, and we inspect the logs of a small sample of failing streaks. Failing runs mostly come in streaks: three quarters of them follow another failing run, and half of the workflows with at least three runs have at least one failing streak. Workflows serving multiple purposes have failing streaks more often, even at the same size. Most failing streaks end within hours, but the one in five that last more than a day account for the lion's share of the time that workflows spend failing. A third of the failing streaks start, and two in five end, without any change to the repository. In a sample of 100 failing streaks, those that end this way most often fail because of network issues or an external service. These findings suggest that maintainers should not assume that a failure comes from the last commit. GitHub and tool builders could flag failures that occur without any change to the repository, and alert the active maintainers when a workflow stays failing for more than a day.
• Abstract（参考訳）: GitHub Actionsは、GitHubリポジトリのデファクトCI/CDサービスである。 そのワークフローは、期待されていなければ失敗するべきではないし、失敗を長く続けるべきではない。 238日間で43K以上のGitHubリポジトリの154K以上のワークフローを30.9M以上で実行します。 障害の発生と終了、そして各実行のトリガーとコミットに基づいて、その間に何が起こるのかを調査する。 また、ビルド、テスト、デプロイなどの目的によってすべてのワークフローを分類し、失敗するストリークの小さなサンプルのログを検査します。 障害の4分の3は別の障害の実行をフォローし、少なくとも3回の障害のワークフローの半分は、少なくとも1回の障害実行を行う。 複数の目的のために働くワークフローは、同じサイズであっても、より頻繁に障害を起こします。 殆どの失敗は数時間で終わるが、1日以上続く5人に1人は、ワークフローが失敗する時間におけるライオンのシェアである。 失敗したストリークの3分の1が始まり、5分の2はリポジトリを変更することなく終わる。 100の障害ストリークのサンプルでは、ネットワークの問題や外部サービスが原因で、この方法に終止符を打つものが最も多い。 これらの結果は、メンテナが最終コミットの失敗を前提にすべきではないことを示唆している。 GitHubとツールビルダーは、リポジトリを変更することなく発生する障害を警告し、ワークフローが1日以上失敗している場合にアクティブなメンテナに警告する。

関連論文リスト

• Lessons Outlive Their Failures: A Case Study of Rules for AI Coding Agents [0.0]
  私は私個人記録の6週間のケーススタディを報告します。 私は118のエージェントの失敗とその修正、そして彼らが戻ってきたかどうかの台帳を作りました。 私は、修正なしで、孤立したgitクローンで、過去の5つの失敗をリプレイしました。
  論文  参考訳（メタデータ） (2026-10-23T13:05:23Z)
• SWE-Shift: Evaluating Coding Agents in Evolving Workspaces [59.99170893706881]
  ソフトウェア開発では、エージェントが動作している間、コード、依存関係、ランタイム状態、要件が変更される可能性がある。 我々は,このような中間実行変化下でのコーディングエージェント評価のベンチマークであるSWE-Shiftを紹介する。 クリーンな成功よりもシフトの少ない17のコーディングエージェントシステムを評価した。
  論文  参考訳（メタデータ） (2026-10-23T05:47:59Z)
• Structural Baselines Matter for Agent Failure Detection and Attribution [0.0]
  2種類のモニターがこれに対処し、1つは実行が失敗したかどうかを判断し、もう1つは障害が避けられないステップを命名した。 常に最後のステップを名付けているルールは、実行を全く読まないまま、ここで67%$から96%$に修正されている。 検出のために、エージェントの内部状態は、エージェントベンチマークで書き起こしの長さとテキスト類似性を破り、テキストベースラインがそうでない場所で保持する。
  論文  参考訳（メタデータ） (2026-10-12T12:13:48Z)
• TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent [58.343983191487276]
  時系列エージェントは、外部ツールを呼び出すことで分析的な質問に答える。 Human-Agent Tool Misalignment: 21のエキスパートキュレートされたツールのライブラリは、いくつかのタスクを支援し、他の人を傷つけます。 TimeEvoは、エージェントの診断された障害を能力ギャップに集約し、それぞれの測定を計画し、ペアの入場ゲートを通してのみ候補ライブラリを許可する。
  論文  参考訳（メタデータ） (2026-09-23T03:08:12Z)
• SKILL.nb: Selective Formalization and Gated Execution for Durable Agent Workflows [16.693609667845948]
  SKILL.nbは,エビデンス・リバース・キャリブレーションによるライフサイクルポリシーによる再利用可能なエージェント管理のためのフレームワークである。 SKILL.nbは選択的な形式化を使用する: 実行はどのワークフローステップを実行可能なコードにするかを決定する。 ゲート条件付き実行では、各ステップがゲートの検証時にコードを実行したり、ドリフトが実行可能実現を無効にした場合にローカルにフォールバックすることが可能になる。
  論文  参考訳（メタデータ） (2026-06-06T08:27:18Z)
• On the GitHub Actions Language: Usage, Evolution, and Workflow Reliability [44.257027748554606]
  この記事では、GitHub Actions言語の採用と進化がワークフローの信頼性と保守性にどのように影響するかを実証的に検討する。 49K GitHubリポジトリから260Kを定量的に分析して、実際にどのように使用されているか、そして、その使用が2019年7月から2025年8月までどのように進化してきたかを理解する。
  論文  参考訳（メタデータ） (2026-05-26T10:43:14Z)
• Is this Build Failure Related to my Patch? An Empirical Study of Unrelated Build Failures in Continuous Integration [0.32665457005470505]
  我々は7つのApacheプロジェクトから77,354の継続的インテグレーション(CI)ビルドの失敗を調査し、無関係なビルドの失敗を理解し予測します。 開発者は4時間の中央値で、失敗がプッシュと関係があるかどうかを確認します。
  論文  参考訳（メタデータ） (2026-05-07T01:13:14Z)
• ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
  マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。 現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。 最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
  論文  参考訳（メタデータ） (2026-04-26T16:05:02Z)

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。