| 寺岡 莉玖 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, | 藤川 和利, | 諏訪 博彦 |
|
title: Multimodal Sensing Using Video, Audio, and BLE for Building a Park Usage Visualization System
abstract: Understanding the usage of local parks is important for their effective utilization and maintenance. However, conventional approaches often rely on visual inspections by park managers, making it difficult to continuously and objectively grasp actual usage conditions. Therefore, this study aims to build a park usage visualization system that continuously monitors the usage of local parks and presents the results to residents in an understandable manner. Specifically, we investigate methods for estimating park usage conditions through multimodal sensing using video, audio, and BLE. In our previous work, we used data collected from cameras, microphones, and BLE sensors installed in a real-world park environment to estimate usage conditions such as human presence, the number of users, and passing or staying behavior. Currently, based on these sensing technologies, we are developing a system that inputs park videos into a Video LLM and generates natural-language descriptions of park usage conditions. Furthermore, to complement information that cannot be sufficiently captured from video alone, such as nighttime or out-of-view activities, accurate user counts, and the distinction between passing and staying behavior, we are investigating multimodal estimation and description generation methods that integrate multiple sensor modalities, including audio and BLE. Ultimately, this study aims to realize a privacy-conscious park usage visualization system that presents crowding levels and usage trends in an accessible way to residents and supports park utilization, maintenance, and local policy planning. language of the presentation: Japanese 発表題目: 公園利用実態可視化システム構築に向けた動画・音・BLEを用いたマルチモーダルセンシング 発表概要: 地域公園の利活用や維持管理を行う上で，利用状況の把握は重要である．しかし従来は管理者による目視確認などに依存しており，継続的かつ客観的な把握が困難であった．そこで本研究では，地域公園の利用実態を継続的に把握し，その結果を住民に分かりやすく提供する公園利用実態可視化システムの構築を目指す．具体的には，動画・音・BLEを用いたマルチモーダルセンシングによる公園利用状況の推定手法を検討している．これまでに，実環境の公園に設置したカメラ，マイク，BLEセンサから得られるデータを用いて，利用者の有無，人数，通過・滞留といった利用状況の推定に取り組んできた． 現在は，これらのセンシング技術を基盤として，公園の映像をVideo LLMに入力し，公園内の利用状況を自然言語で説明するシステムの構築を進めている．さらに，映像のみでは十分に把握できない夜間や画角外の活動，正確な人数，通過・滞留の判別などを補うため，音やBLEを含む複数のセンサ情報を統合したマルチモーダルな推定・説明生成手法を検討している． 最終的には，公園の混雑状況や利用傾向を住民に分かりやすく提示し，公園の利活用や維持管理，地域施策の検討に活用できる，プライバシーに配慮した公園利用実態可視化システムの実現を目指す． | |||||
| 久睦 竜主 | D, 中間発表 | 大規模システム管理 | 笠原 正治, | 藤川 和利, | 原 崇徳 |
|
title: *** Energy-Efficient O-RAN Slicing with Dynamic Slice Activation and CPU Reallocation ***
abstract: *** This study focuses on network slicing in O-RAN environments and proposes a joint optimization framework for slice operation control and CPU resource allocation under user mobility and time-varying traffic demand. In the proposed framework, the activation state of each slice and the number of CPU units assigned to each slice are treated as decision variables. We formulate an energy-efficiency maximization problem, where energy efficiency is defined as the ratio of achieved throughput to energy consumption, as a mixed-integer nonlinear programming problem. To make the problem tractable for online control, we transform it into a sequence of mixed-integer linear programming problems by using linearization, constraint relaxation, and Dinkelbach’s method. Simulation results based on integrated SUMO mobility data and DeepMIMO channel data show that the proposed framework jointly performs demand-aware slice switching and CPU reallocation, thereby improving energy efficiency, reducing energy consumption, and increasing achieved throughput compared with a conventional demand-aware switching scheme. *** language of the presentation: *** English or Japanese (choose one) *** 発表題目: *** この部分を発表題目に *** 発表概要: *** この部分を発表概要に *** | |||||
| QIAN HANG | M, 2回目発表 | 大規模システム管理 | 笠原 正治, | 藤川 和利, | 原 崇徳 |
|
title: Kernel-Side Signals for Detecting Resource-Exhaustion Prompts in LLM Serving
abstract: API-hosted large language model (LLM) services can be disrupted by prompts that force unusually long generation and monopolize GPU resources, even when the attacker has no knowledge of the model architecture, weights, or serving implementation. Existing defenses are difficult to deploy in this black-box setting because they either judge the prompt text before inference or require changes inside the model, tokenizer, or decoding engine. This work presents a kernel-side detection approach that observes LLM serving behavior with eBPF instead of instrumenting the model stack. The system attaches probes to CUDA driver calls and Linux CPU events, reconstructs per-request GPU and CPU traces, and converts those traces into lightweight statistical features for machine-learning classification. In an evaluation using Qwen2.5-1.5B-Instruct served by vLLM, with normal medical prompts, length-matched hard benign prompts, and AutoDoS-generated adversarial prompts, a Gradient Boosting classifier achieves an F1-score of 0.943, precision of 0.984, recall of 0.905, false positive rate of 0.007, and AUC of 0.992. The results show that CPU scheduling and memory-management behavior complement GPU execution traces, especially for early detection, while tracing adds about 6% median latency overhead and prediction takes less than 1 ms per request. These findings suggest that kernel-level observability is a practical external signal for defending LLM APIs against resource-exhaustion attacks. language of the presentation: English | |||||
| 東迎 健太郎 | M, 2回目発表 | 情報基盤システム学 | 藤川 和利, | 笠原 正治, | 新井 イスマイル |
|
title: A Budget-Controlled Fair Resource Allocation Scheme for Cloud HPC Under Budget Constraints
abstract: In university cloud HPC environments, since users do not bear the costs directly, there is a risk that credits may be depleted prematurely due to concentrated usage, or that resources may be disproportionately allocated to certain users. In this study, we propose a fair resource allocation method that applies Budget Pacing to systematically control credit consumption over the entire contract period, while also applying Karma’s credit-based allocation to account for the lending and borrowing of unused usage rights and the degree of demand satisfaction for each user. language of the presentation: Japanese 発表題目: 予算固定型クラウドHPCのための計画的運用およびユーザ公平性の実現 発表概要: 大学のクラウドHPCでは、利用者自身が料金を直接負担しないため、利用の集中によるクレジットの早期枯渇や、一部利用者への資源偏在が生じる可能性がある。本研究では、Budget Pacingを応用して契約期間全体のクレジット消費を計画的に制御するとともに、Karmaのcredit-based allocationを応用し、未使用利用権の貸借と利用者ごとの需要充足度を考慮した公平な資源配分方式を提案する。 | |||||
| 小舟 康予 | D, 中間発表 | ソフトウェア工学 | 松本 健一, | 飯田 元, | Raula Gaikovina Kula, | 嶋利 一真 |
|
title: Early Prediction of Struggling Cases and Analysis of Recovery and Stagnation Processes in Programming Exercises
abstract: In introductory programming education (CS1), students sometimes engage in repeated trial and error during exercises without reaching a correct solution. However, in many online exercise environments, the information readily available to instructors is largely post-hoc, such as submission outcomes and grades, making it difficult, especially in large classes, to observe individual students' problem-solving processes while they are working. This study uses editing logs (keystroke-level operations) and execution and submission logs (code-run outcomes and grading results) recorded during programming exercises to (1) predict, at an early stage, cases that ultimately remain stuck, and (2) characterize behavioral differences between cases that reach a correct solution and those that remain stuck. Here, a case refers to a specific student-exercise pair. Remaining stuck is operationally defined from the logs as a case in which all submissions are incorrect (Fully Stuck: FS), while recovery is defined as a case in which a student reaches a fully correct submission after repeated failures (Breakthrough: BT). The first study used the CodeBench dataset (Federal University of Amazonas, Brazil; Python; 507 students; 2019-1 semester) and treated keystroke-level editing features extracted for each segment as the primary predictive signal. A segment is defined as the period from the start of an exercise to the first submission, and thereafter as the period between consecutive submissions. The results showed improved early prediction of FS compared with using execution logs alone: in the first segment, combining execution and editing logs achieved an AUROC (a classification-performance metric, where 0.5 corresponds to random prediction) of 0.674, a 0.098-point improvement over using execution logs alone. The first segment also carried the strongest predictive signal. The second study, currently in progress, restricts the analysis to periods in which both BT and FS cases are still making unsuccessful attempts, and examines differences in editing behavior and in execution/submission behavior between the two groups. Preliminary results across five semesters showed consistent directional differences: rather than being less active, FS cases tended to work longer, delete more code, and exhibit more long pauses, whereas BT cases tended to accumulate code incrementally. These results suggest that recovery and remaining stuck may be related not merely to differences in activity volume, but also to differences in the editing process. Future work will examine how consistently these differences are observed across semesters and exercises, and consider their implications for designing instructional support. language of the presentation: Japanese 発表題目: プログラミング演習におけるつまずきの早期予測と回復・停滞過程の分析 発表概要: 初学者向けプログラミング教育（CS1）では、演習中に試行錯誤を重ねても正解に到達できないケースが生じる。しかし、多くのオンライン演習環境において、教員が把握しやすい情報は提出結果や成績といった事後情報が中心であり、大人数のクラスで個々の学生の演習中の取り組み過程を把握することは難しい。本研究は、演習中の編集（キーストローク単位の操作）ログと、実行・提出（コードの実行結果および採点結果）ログに基づき、（1）最終的に停滞するケースを早期に予測すること、（2）正解到達と停滞を分ける行動過程の違いを明らかにすることを目的とする。ここで停滞は、全提出が不正解に終わった学生×課題の状態（Fully Stuck: FS）、回復は、失敗を重ねた後に満点提出へ到達した状態（Breakthrough: BT）として、ログ上で操作的に定義する。第一研究では、CodeBenchデータセット（ブラジル・アマゾナス連邦大学、Python、2019-1学期、507名）を用い、課題開始から初回提出まで、および提出と次の提出の間の区間（セグメント）ごとのキーストロークレベル編集特徴を主要な予測信号として利用した。その結果、実行ログのみを用いる場合に比べてFSの早期予測性能が向上し、最初のセグメントでは、実行ログと編集ログを組み合わせることで、分類性能の指標であるAUROC（0.5がランダム予測に相当）は0.674となり、実行ログのみの場合から0.098ポイント向上した。また、最初のセグメントが最も強い予測信号を持つことを示した。現在は第二研究として、BTとFSの双方がまだ失敗している区間に限定し、編集行動と、実行・提出行動の違いを分析している。予備実験では、5学期にわたり同じ方向の差が見られ、FSは活動量が少ないのではなく、より長く作業し、削除量が多く、長いポーズも多い一方、BTはコードを積み上げる傾向が見られた。これらの結果は、回復と停滞が単なる活動量の差ではなく、編集過程の違いと関連する可能性を示唆する。今後は、この差が学期・課題を越えてどの程度安定して観測されるかを検証し、支援設計への示唆を検討する。 | ||||||
| 上甲 陽菜 | M, 2回目発表 | ソフトウェア工学 | 松本 健一, | 飯田 元, | 嶋利 一真, | Fan Youmei |
|
title: Bridging the Gap: An Empirical Study of Cross-References Between ADRs and Issue/PR Discussions on GitHub
abstract: In software development，explicitly documenting architectural decisions and their rationale is important for supporting maintenance activities and helping newcomers understand the background of a project．However，when such decisions remain embedded in discussions on Issues or Pull Requests（PRs），their rationale and decision-making process can become tacit knowledge，making it difficult for subsequent developers to understand the underlying design intent．To address this problem，Architecture Decision Records（ADRs）are sometimes adopted as a structured documentation practice for recording the background，alternatives，outcomes，and consequences of architectural decisions． Previous studies have investigated the adoption of ADRs and explored the generation of ADRs using large language models．However，it remains unclear how the architectural decisions recorded in ADRs correspond to discussions and decisions made in Issues and PRs．Therefore，this study empirically investigates the cross-reference relationships between ADRs and Issue/PR discussions in open-source software repositories on GitHub．Specifically，we collect ADR files，Issues，and PRs，and analyze where architectural decisions are recorded，the direction and density of references between ADRs and Issues/PRs，and how the recording locations of architectural decisions change after ADR practices become inactive．We also statistically examine the relationship between the presence of ADRs，link density，and newcomer behavior，while controlling for factors such as project size． This study clarifies how ADRs are connected to architectural discussions in Issues and PRs，and how the documentation of architectural decisions changes after ADR practices become inactive in OSS projects．The findings provide empirical insights that can inform practical guidelines for continuously recording architectural decisions and linking them to related discussions，as well as foundational data for research on automated ADR generation and design knowledge extraction． language of the presentation: Japanese 発表題目: GitHubにおけるADRとIssue/PR議論の相互参照に関する実証的研究 発表概要: ソフトウェア開発において，設計判断やその背景を明示的に記録することは，保守作業や新規参加者の理解を支援する上で重要である．しかし，設計判断がIssueやPull Request（PR）上の議論に埋もれると，判断の根拠や経緯が暗黙知化し，後続の開発者が設計意図を把握することが困難になる．この課題に対し，意思決定の背景，選択肢，結論，影響を構造化して記録する手法として，Architecture Decision Records（ADR）が用いられることがある． 既存研究では，ADRの採用実態調査や，大規模言語モデルを用いたADR生成が行われてきた．一方で，ADRに記録された設計判断が，Issue/PR上の議論や意思決定とどのように対応しているのかは十分に明らかにされていない．そこで本研究では，GitHub上のOSSリポジトリを対象に，ADRとIssue/PR議論の相互参照関係を実証的に調査する．具体的には，ADRファイル，Issue，PRを収集し，設計判断の記録箇所，ADRとIssue/PRの参照方向および参照密度，ADR運用停止後の記録先の変化を分析する．さらに，プロジェクト規模などの要因を統制した上で，ADRの有無やリンク密度と新規参加者の行動との関連を統計的に検討する． 本研究は，OSSにおいてADRがIssue/PR上の設計議論とどのように接続されているのか，またADRの運用停止後に設計判断の記録がどのように変化するのかを明らかにする．これにより，設計判断を継続的に記録し，議論と結び付けるための運用指針を提示するとともに，ADR自動生成や設計知識抽出に関する研究の基盤データとして活用可能な実証的知見を提供する． | ||||||
| 星川 広龍 | M, 2回目発表 | ソフトウェア工学 | 松本 健一, | 飯田 元, | 嶋利 一真, | Fan Youmei |
|
title: An Empirical Study of Newcomer Engagement with Good First Issues and the Involvement of AI Agents
abstract: Open source software (OSS) projects widely use the "Good First Issue" (GFI) label to help newcomers find approachable tasks. We examine the current state of this entry point in two stages. First, a four-year longitudinal analysis of 37 prominent GitHub repositories shows that newcomer interest in GFIs has remained stable, while both the proportion of issues labeled as GFIs and the merge rate of newcomer pull requests have declined. Second, extending the AIDev dataset, we analyze 199 GFI-related pull requests authored by AI agents. AI agents mainly address long-unattended issues (median 190 days), yet we identify 11 cases in which an agent resolved a GFI after a human newcomer had expressed intent to work on it. These findings indicate that the newcomer entry point is narrowing while AI agents enter the same space, suggesting the need to distinguish issues delegated to AI agents from those reserved for human newcomers. language of the presentation: Japanese 発表題目: 新規貢献者がGFIに取り組む実態の変化とAIエージェントの影響の調査 発表概要: オープンソースソフトウェア（OSS）では、新規参入者を支援するために「Good First Issue（GFI）」ラベルが広く活用されている。本研究は、新規参入者の入口としてのGFIの現状を2段階で調査する。第一に、著名なGitHubリポジトリ37件の4年間の縦断分析により、新規参入者のGFIへの関心は安定している一方で、GFIラベルの付与割合とプルリクエストのマージ成功率がいずれも低下していることを示す。第二に、AIDevデータセットを拡張し、AIエージェントによるGFI関連プルリクエスト199件を分析する。AIエージェントは主に長期間放置されたGFI（放置期間の中央値190日）を処理していたが、人間の新規参入者が取り組みの意思を表明していたGFIを解決したケースも11件確認された。これらの結果は、縮小しつつある新規参入者の入口にAIエージェントが加わりつつあることを示しており、AIエージェントに委ねるIssueと人間のために留保するIssueを区別する運用の必要性を示唆する。 | ||||||
| 門埜 孝拓 | M, 2回目発表 | ソフトウェア工学 | 松本 健一, | 飯田 元, | 嶋利 一真, | Fan Youmei |
|
title: An Empirical Study of Developers' Use of Migration Guides during Library Version Updates
abstract: Migration guides are a form of software documentation that helps developers address breaking changes introduced in library version updates. Prior studies have examined documents such as release notes, API reference manuals, and patch notes. However, research that focuses specifically on migration guides remains limited. Improving the usability and coverage of migration guides is essential for helping developers resolve breaking changes efficiently. Yet, we still lack a clear understanding of how migration guides are currently provided and how developers use them in practice. To fill this gap, we first investigate whether libraries known to introduce incompatibilities provide migration guides. We then conduct a detailed case study on Log4j, a library that has experienced large-scale breaking updates in the past. We empirically analyze how developers refer to and use the official migration guide in real-world projects. We find that pull request authors most frequently reference the migration guide in the pull request description, and that most references (82.81%) link to the entire guide rather than specific sections. We also find that developers use migration guides not only during major version updates but also during subsequent maintenance tasks, suggesting that the guides serve as a resource throughout the entire migration process. From the present until the submission of my master’s thesis, my goal is to identify the requirements for migration guides optimized to be provided as external documentation to large language models (LLMs) and to develop such migration guides in practice. language of the presentation: Japanese 発表題目: ライブラリのバージョン更新時における開発者による移行ガイドの活用実態の分析 発表概要: 移行ガイドは、ライブラリのバージョン更新に伴って導入される破壊的変更に対処するために、開発者を支援するソフトウェアドキュメントの一種である。これまでの研究では、リリースノート、APIリファレンスマニュアル、パッチノートなどの文書が対象とされてきた。しかし、移行ガイドに特化した研究は依然として限られている。開発者が破壊的変更へ効率的に対応できるようにするためには、移行ガイドの使いやすさや網羅性を向上させることが重要である。一方で、移行ガイドがどのように提供され、開発者が実際の開発現場でどのように活用しているのかについては、十分に理解されていない。 この課題を明らかにするため、本研究ではまず、互換性のない変更を導入することが知られているライブラリが、実際に移行ガイドを提供しているかどうかを調査する。次に、過去に大規模な破壊的変更を経験したライブラリであるLog4jを対象として詳細なケーススタディを実施する。実際のソフトウェアプロジェクトを対象に、開発者が公式移行ガイドをどのように参照し、活用しているかを実証的に分析する。その結果、プルリクエストの作成者は、プルリクエストの説明文において移行ガイドを参照することが最も多く、参照の大半（82.81%）は特定の節ではなくガイド全体へのリンクであることが分かった。また、開発者は移行ガイドをメジャーバージョンアップ時だけでなく、その後の保守作業においても活用しており、移行ガイドが移行プロセス全体を通じて有用な情報源として機能していることが示唆された。 現時点から修士論文の提出までの期間では、外部ドキュメントとしてLLMに与えることに最適化された移行ガイドの要件を抽出し、実際に作成することを研究目標とする。 | ||||||