論文の概要: What reviewers call a Long Method is a length: A pre-registered test of coupling divergence as a god-unit signal, and what it settled instead

• arxiv url: http://arxiv.org/abs/2611.01636v1
• Date: Sun, 01 Nov 2026 06:39:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:56:28.711668
• Title: What reviewers call a Long Method is a length: A pre-registered test of coupling divergence as a god-unit signal, and what it settled instead
• Title（参考訳）: 長い方法(Long Method)と呼ぶものは、長さだ: 神単位の信号として結合の発散を事前に登録したテスト。
• Abstract要約: 複雑性のアウトリー・ルールは、複雑さが集中する場所を示すが、複雑なアルゴリズムから神単位を知ることはできない。 本稿では,結合分散によるユニットの複雑性の重み付けという,各ユニットを区別するひとつの方法の試験を事前登録する。 結合は、520 MLCQレポジトリ、500の新しいJavaレポジトリ、73 Corpustasシステムですべての呼び出しを解決することで測定された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A companion study found that a complexity outlier rule shows where complexity concentrates but cannot tell a god unit from a complex algorithm. This paper pre-registered a test of one way to tell them apart: weight a unit's complexity by its coupling divergence, the data it hands on minus the data it receives, so that a leaf is set aside. Coupling was measured by resolving every call in 520 MLCQ repositories, 500 fresh Java repositories and 73 Qualitas Corpus systems. The claim fails: the primary, the pooled MCC of the weighted form minus complexity alone against MLCQ's human Blob, is -0.041 [-0.130, +0.054], no difference resolved and underpowered, and the resolved readings go against it. What the data settle is at method level. What MLCQ's reviewers call a Long Method is an absolute length: a constant of 26 lines or more, chosen on the explore half, reaches MCC 0.777 on the confirm half, +0.080 [+0.016, +0.145] over the best per-repository form; every reviewer with ten or more positives, on their non-leaf reviews, has a best cutoff between 17 and 34 lines; and nothing measured inside a method, its calls, variables, data flow or the cost of cutting it, refines the constant. The constant is a limit of human reading. The next form of the construct is the cost of bringing a long method under it, which is where the construct meets architecture.
• Abstract（参考訳）: コンパニオン研究により、複雑性の外れルールは、複雑さが集中する場所を示すが、複雑なアルゴリズムから神単位を特定できないことが判明した。 この論文では、結合の分岐によってユニットの複雑さを重み付け、受信したデータをわずかに減らし、葉を脇に置いておくという方法の1つの方法の試験を事前登録した。 結合は、520 MLCQレポジトリ、500の新しいJavaレポジトリ、73 Qualitas Corpusシステムですべての呼び出しを解決することで測定された。 この主張は失敗する: 第一の、重み付けされた形をしたMCCは、MLCQのヒトのBlobに対して単独で複雑さを減らし、-0.041[-0.130, +0.054]であり、差が解決されず、力不足であり、解決された読解はそれに反対する。 データが落ち着くのは、メソッドレベルです。 MLCQのレビュアーがLong Methodと呼ぶのは、絶対的な長さで、探索ハーフで26行以上の定数が選択され、確認ハーフで MCC 0.777 に達し、最高のレポジトリ形式で +0.080 [+0.016, +0.145] に達する。 定数は人間の読書の限界である。 コンストラクトの次の形態は、長いメソッドをその下に持ってくるコストである。

関連論文リスト

• DAPS: Dependency-Aware Premise Selection for LLM Theorem Proving [57.48166976575127]
  リーン 4 で証明された LLM ベースの定理は急速に進歩しているが、プローバーは新しく提供された補題を活用するのは難しい。 既存のニューラルセレクタは、3つの固有の制限とともに、セマンティックな類似性によって候補をランク付けする。 DAPS、構造的近傍エンコーダ、グループレベルのコントラスト目的、Mathlib-then-Blueprint適応プロシージャを導入。
  論文  参考訳（メタデータ） (2026-10-30T10:28:34Z)
• Complexity concentration as a god-class and god-method detector: a pre-registered test of a scale-free outlier rule against tool definitions and human labels [0.0]
  ゴッドクラスとゴッドメタル検出器は、原スケールの閾値で複雑さを集中させる。 本論文は, 原スケール定数を持たない規則の試験を事前登録する。 10の言語で445のレポジトリ、そのうち171のJava、そして492のMLCQのJavaレポジトリでは、このルールはMDDのGodClassに反する。
  論文  参考訳（メタデータ） (2026-10-23T10:33:14Z)
• Long-horizon autoformalization of a core theorem underlying MIP* = RE [2.596570510945053]
  本稿では,人間の監督下でAI証明エージェントを協調するシステムであるFormalFlowを紹介する。 共有ブループリントを使用して、ネストした計画、証明、レビューループをガイドする。 我々は,古典的低次検定の量子音響性の,マシンチェックによるLean 4証明を完成させた。
  論文  参考訳（メタデータ） (2026-09-17T07:26:49Z)
• A Certificate-Producing Cascade for Equational Implication: The SAIR EQT2 Stage 2 Solver [3.8048003898069975]
  SAIR Mathematics Distillation Challenge on Equational Theories では、あるマグマが別のマグマの同一性を意味するかどうかを解き明かす。 我々は,最も安価な第1カスケードとして構成された単一ファイル解決器を提案する。 その偽分岐は、構造化代数族上の係数テスト、有界有限モデル探索、明示的な中心群群証人、およびいくつかの無限キャリア証人を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-09-01T04:34:00Z)
• Capability Sheaves for Compositional Agent-Harness Repair: Controlled Quotients and a Real-Repository Stress Test [0.0]
  エージェントハーネスは、検索、ルーティング、状態、証明、検証を組み合わせるが、ローカルに成功したコンポーネントは共有状態に異を唱えることがある。 我々は、この失敗を有限エンハンパビリティ層でモデル化する:ストークは型付き動作シグネチャを符号化し、制限マップは共有フィールドを保持し、受け入れられた実行は有用なグローバルセクションである。 20以上のタスククラスタで制御された実験では、生の状態がニュアンス変数である隠された内部メディエータが導入された。 次に、PatchFuseBenchのSWE-benchプールから分離した発見法について、20のリポジトリから160の課題、875の実際の候補パッチ、2,579のソースを意識した編集原子をテストした。
  論文  参考訳（メタデータ） (2026-08-13T13:31:09Z)
• Search as Computation Allocation [52.080489413778]
  多くのアルゴリズムは、決定を返す前に内部リソースを使い、その端末出力の品質によってのみ評価される。 終端計算割当問題などの手順を定式化する。 ベルマン方程式は、固定予算の下での最適割り当て、価格計算、正確な認証を特徴付ける。
  論文  参考訳（メタデータ） (2026-07-30T08:45:14Z)
• LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization [104.06650149974585]
  信頼性の高い研究レベルのLean AutoformalizationのためのマルチエージェントハーネスであるLeanMarathonを紹介します。 4つのコントラクトスコープエージェントがこの青写真を構築し、監査し、証明し、修復する。 我々は4つのErds問題にまたがる最近の2つの研究論文でLeanMarathonを評価した。
  論文  参考訳（メタデータ） (2026-06-03T20:09:39Z)
• Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
  本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。 ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。 トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
  論文  参考訳（メタデータ） (2026-02-26T11:08:39Z)
• Syzygy of Thoughts: Improving LLM CoT with the Minimal Free Resolution [59.39066657300045]
  CoT(Chain-of-Thought)は、問題を逐次ステップに分解することで、大きな言語モデル(LLM)の推論を促進する。 思考のシジー(Syzygy of Thoughts, SoT)は,CoTを補助的,相互関連的な推論経路を導入して拡張する新しいフレームワークである。 SoTはより深い論理的依存関係をキャプチャし、より堅牢で構造化された問題解決を可能にする。
  論文  参考訳（メタデータ） (2025-04-13T13:35:41Z)
• Recursive Causal Structure Learning in the Presence of Latent Variables and Selection Bias [27.06618125828978]
  本稿では,潜伏変数と選択バイアスの存在下での観測データからシステムの因果MAGを学習する問題を考察する。 本稿では,音と完全性を備えた計算効率のよい制約ベースの新しい手法を提案する。 提案手法と人工と実世界の両方の構造に関する技術の現状を比較した実験結果を提供する。
  論文  参考訳（メタデータ） (2021-10-22T19:49:59Z)

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。