論文の概要: Characterizing and Predicting the Longest CI Builds in Machine Learning Projects

• arxiv url: http://arxiv.org/abs/2611.00667v1
• Date: Sat, 31 Oct 2026 06:06:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:16:26.703266
• Title: Characterizing and Predicting the Longest CI Builds in Machine Learning Projects
• Title（参考訳）: 機械学習プロジェクトにおける最も長いCIビルドの特徴と予測
• Abstract要約: 本稿では,機械学習(ML)プロジェクトにおいて最も長いビルドを特徴付ける。 オープンソースのMLプロジェクト107から269,930のGitHub Actionsビルドを調査します。
• 参考スコア（独自算出の注目度）: 0.20999222360659608
• License:
• Abstract: Continuous integration (CI) builds in machine learning (ML) projects tend to run longer than in other projects, yet little is known about the longest builds, which consume most CI time. This paper characterizes the longest builds in ML projects, analyzes how CI workflow properties are associated with them, and evaluates whether they can be predicted before execution. We study 269,930 GitHub Actions builds from 107 open-source ML projects. The top 18% longest builds account for 80.30% of total build time and fail in 39.09% of cases. Build duration differs significantly across ML project types. The framework and infrastructure ML projects have the longest upper tail and produce 98% of the longest builds, whereas projects that use existing ML libraries have the lowest median build duration. The longest builds are most strongly associated with the recent history of the same workflow, as the duration of its last build and the median duration of the project's last 20 builds show large effect sizes. The longest builds are more consistently associated with CI workflow structure than with configuration. The number of jobs, control flow complexity, coupling complexity, and maximum steps per job show medium effect sizes, whereas caching, matrix settings, and Docker builds show small or negligible effects. Framework-specific workflows have the largest percentage of builds among long builds. Platform-specific workflows produce the largest number of the longest builds. Finally, 47 features describing build history, workflow structure, and the ML project outperform a traditional baseline with all four classifiers. In a chronological evaluation, the best model (XGBoost) reaches an F1-score of 0.775, compared with 0.682 for the baseline, and an AUC-ROC of 0.955. These results show that build history and CI workflow structure help identify the longest builds in ML projects before they run.
• Abstract（参考訳）: マシンラーニング(ML)プロジェクトでビルドされる継続的インテグレーション(CI)は、他のプロジェクトよりも長く実行される傾向があるが、ほとんどのCI時間を消費する、最も長いビルドについてはほとんど知られていない。 本稿では、MLプロジェクトで最も長いビルドを特徴付け、CIワークフロープロパティとそれらの関連性を分析し、実行前に予測できるかどうかを評価する。 オープンソースのMLプロジェクト107から269,930のGitHub Actionsビルドを調査します。 最上位の18%のビルドは総ビルド時間の80.30%を占め、39.09%のケースで失敗する。 ビルド期間はMLプロジェクトタイプによって大きく異なる。 フレームワークとインフラストラクチャMLプロジェクトは、最も長い上尾を持ち、98%のビルドを生成するが、既存のMLライブラリを使用するプロジェクトは、最低限のビルド期間を持つ。 最長のビルドは、最終ビルドの期間とプロジェクトの最後の20ビルドの中央値が大きな効果の大きさを示しているため、同じワークフローの最近の歴史に最も強く結びついている。 最長のビルドは、構成よりもCIワークフロー構造に一貫して関連付けられている。 ジョブの数、制御フローの複雑さ、結合の複雑さ、ジョブ毎の最大ステップは中規模効果のサイズを示しているが、キャッシング、マトリックス設定、Dockerビルドは小さいか無視できる効果を示している。 フレームワーク固有のワークフローは、長いビルドの中で最も多くビルドされる。 プラットフォーム固有のワークフローは、最も長いビルドの最大の数を生み出します。 最後に、ビルド履歴、ワークフロー構造、MLプロジェクトを記述した47の機能は、4つの分類子すべてで従来のベースラインを上回っている。 時系列評価では、最良のモデル(XGBoost)はF1スコアが0.775、ベースラインが0.682、AUC-ROCが0.955に達する。 これらの結果は、ビルド履歴とCIワークフロー構造が、実行前にMLプロジェクトの最長ビルドを特定するのに役立つことを示している。

関連論文リスト

• ML in a Box: Analyzing Containerization Practices in Open Source ML Projects [6.439761523935612]
  我々は,1,993のML関連Dockerfileについて,初めて大規模な実証的研究を行った。 結果は、コンテナがトレーニング、推論、インフラストラクチャで異なる役割を担っていることを示している。 ビルド効率を改善し、コンテナフットプリントを削減する7つのML固有のDockerfileパターンを特定します。
  論文  参考訳（メタデータ） (2026-07-11T05:22:29Z)
• 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)
• Understanding and Detecting Flaky Builds in GitHub Actions [6.3850400710838615]
  我々は,1,960のJavaプロジェクトからのデータの再実行に基づいて,GitHub Actionsにおけるフレキビルドに関する大規模な実証的研究を行った。 フレキなテスト、ネットワークの問題、依存関係の解決がもっとも多い15の異なる障害カテゴリを特定します。 本稿では,ジョブレベルでのフレキシブル障害検出のための機械学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2026-02-02T16:39:56Z)
• The Cost of Downgrading Build Systems: A Case Study of Kubernetes [9.25132407333504]
  アーティファクトベースのビルドツール(Bazel)から言語固有のソリューション(Go Build)に格下げしたプロジェクトについて研究する。 BazelのビルドはGo Buildよりも高速で、完全なビルドは23.06-38.66から75.19まで完了しています。 Bazelからのダウングレードは、CIリソースコストを最大76パーセント向上させる。
  論文  参考訳（メタデータ） (2025-10-22T21:40:23Z)
• LoCoBench: A Benchmark for Long-Context Large Language Models in Complex Software Engineering [85.58151741052616]
  LoCoBenchは、現実的で複雑なソフトウェア開発シナリオにおいて、長いコンテキストのLLMを評価するために特別に設計されたベンチマークである。 ベンチマークでは,10言語にまたがって8000の評価シナリオを体系的に生成する。 LoCoBenchは8つのタスクカテゴリを導入し、重要なコンテキスト理解機能をキャプチャしている。
  論文  参考訳（メタデータ） (2025-09-11T16:55:04Z)
• 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)
• Does Using Bazel Help Speed Up Continuous Integration Builds? [9.098224117917336]
  Bazelのような新しいアーティファクトベースのビルド技術は、高度なパフォーマンス最適化をサポートする。 GitHubから383のBazelプロジェクトを収集し、人気の高い4つのCIサービスでBazelの並列およびインクリメンタルビルド使用状況を調査し、結果をMavenプロジェクトと比較しました。 私たちの結果は、Bazelプロジェクトの31.23%がCIサービスを採用しているが、CIサービスには使用していないことを示している。
  論文  参考訳（メタデータ） (2024-05-01T18:16:38Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)
• LongBench: A Bilingual, Multitask Benchmark for Long Context Understanding [58.20031627237889]
  LongBenchは、コンテキスト理解のための最初のバイリンガルでマルチタスクのベンチマークである。 英語と中国語の6つのタスクカテゴリにまたがる21のデータセットで構成され、平均的な長さは6,711語(英語)と13,386文字(中国語)である。
  論文  参考訳（メタデータ） (2023-08-28T11:53:40Z)

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。