DeNovoSWE: Scaling Long-Horizon Environments for Generating Entire Repositories from Scratch
実装難易度
Easy
推論・学習コスト
High
想定用途
生成
概要
As the capabilities of LLM-based code agents continue to advance, their expected role is expanding beyond localized bug fixing in existing codebases toward architecting and implementing complete software repositories from high-level specifications. However, training agents for such long-horizon software engineering tasks remains difficult due to the scarcity of large-scale, verifiable…
何が新しいか
As the capabilities of LLM-based code agents continue to advance, their expected role is expanding beyond localized bug fixing in existing codebases toward architecting and implementing complete…
何に使えるか
生成
実装情報
- Hugging Face URL
- あり
実装チェックリスト
実装または配布ページ
OKコードまたはモデル配布ページから検証を始められます。
一次情報リンク
OKHugging Face
検証しやすさ
OK実装またはモデル配布ページから試せる可能性が高いです。
計算資源
要確認学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まず自社データを、入力条件、目的変数、評価したい指標に分けて整理します。
- 2LightGBMやRandom Forestなどのベースラインを先に作り、この手法と比較します。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Easy - 実装またはモデル配布ページから試せる可能性が高いです。
必要リソース
- GPU目安: High
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 推論だけで試せる可能性があります。
- 学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
Corpus Augmentation for Sign Language Translation via LLM-Guided Video Stitching
手話動画を処理して口話翻訳を行うSign Language Translation（SLT）技術は、社会的参加性を高め、手話する人と手話を使わない人の間のコミュニケーションを可能にする上で重要な役割を果たすと同時に、手話
SkillJuror: Measuring How Agent Skill Organization Changes Runtime Behavior
この研究では、進歩的ディスクlosuresを使用して、大型言語モデルがスキルにどのようにアクセスするかを調べ、スキルを書き方を評価するために、スキルJurorを開発しました。
Generative Archetype-Grounded Item Representations for Sequential Recommendation
Sequential recommendation aims to predict users' next interaction with items by analyzing their historical beh
Schützen: Evaluating LLM Safety in Bulgarian and German Contexts
Large language models are increasingly deployed across professional domains, bringing hard-to-predict risks, i