170 Arbeiten
Die Studie zeigt, dass trotz verschiedener Strategien zur Fehlerbehebung die Häufigkeit unbrauchbarer Antworten von LLMs dazu führt, dass ein Großteil der Softwareingenieure die Nutzung von ChatGPT in komplexen Entwicklungsaufgaben aufgibt, was die Notwendigkeit verbesserter Werkzeugunterstützung und Forschung zur Mensch-KI-Interaktion unterstreicht.
Diese Studie stellt eine Taxonomie von neun „Log Smells" vor, die auf einer Analyse von 51 wissenschaftlichen Artikeln basiert, und ordnet diese Fehlertypen bestehenden Werkzeugen zu, um Entwicklern zu helfen, qualitativ hochwertigere Protokollierungscode zu schreiben und Forschungsbedarf aufzuzeigen.
Das Paper stellt GateLens vor, ein LLM-basiertes System für die Automobilsoftware-Analyse, das durch die Verwendung relationaler Algebra als formale Zwischenrepräsentation zwischen natürlicher Sprache und ausführbarem Code die Zuverlässigkeit und Geschwindigkeit bei der Verarbeitung komplexer tabellarischer Daten im Vergleich zu herkömmlichen Ansätzen signifikant verbessert.
Diese Studie zeigt, dass durch Instruction Tuning und Few-Shot-Prompting optimierte Large Language Models (LLMs) wie GPT-4o bei der Erkennung von Sicherheitslücken in mehreren Programmiersprachen und auf unterschiedlichen Granularitätsebenen (Funktion und Zeile) deutlich besser abschneiden als bisherige Pre-trained Language Models (PLMs).
Diese Studie analysiert erstmals in großem Maßstab die Verwendung von Gleitkommaarithmetik in öffentlich zugänglichen GitHub-Repositories statisch typisierter Sprachen, um durch die Veröffentlichung eines Datensatzes mit 10 Millionen Funktionen und den Vergleich mit bestehenden Benchmarks die Lücke zwischen theoretischen Forschungsansätzen und realer Praxis zu schließen.
Die Studie stellt SEER vor, ein adaptives Framework, das durch intelligente Kompression von Chain-of-Thought-Verläufen die Effizienz und Genauigkeit von Large Language Models in Software-Engineering- und Mathematikaufgaben verbessert, indem es unnötige Ausführlichkeit reduziert und Latenzzeiten senkt.
Das Paper stellt Preguss vor, ein modulares Framework, das durch die Kombination von statischer Analyse und LLM-gestützter Spezifikationssynthese die automatisierte Verifikation von Programmen mit über 1000 Zeilen Code ermöglicht und dabei den menschlichen Aufwand um 80,6 % bis 88,9 % reduziert.
Die Studie schlägt einen zielorientierten Bewertungsansatz für Requirements-Engineering-Methoden im Rahmen von Privacy by Design vor, um Organisationen bei der Auswahl passender Methoden zur Umsetzung der DSGVO zu unterstützen.
Die Arbeit stellt SkillCraft vor, einen Benchmark und ein Evaluierungsprotokoll, das die Fähigkeit von LLM-Agenten testet, wiederverwendbare Werkzeugkombinationen („Skills") zu bilden und zu nutzen, was zu erheblichen Effizienzsteigerungen und einer starken Korrelation zwischen Erfolg und kompositorischer Fähigkeit führt.
Die Arbeit stellt SiliconMind-V1 vor, ein einheitliches Multi-Agenten-Framework, das durch testgestützte Verifikation und Debugging-Workflows lokal feinabgestimmte Sprachmodelle befähigt, funktional korrekten Verilog-Code effizienter zu generieren als bisherige State-of-the-Art-Ansätze.
Die Arbeit stellt KernelCraft vor, den ersten Benchmark, der nachweist, dass agentic LLM-Systeme durch einen feedbackgesteuerten Workflow effizient und korrekt optimierte Low-Level-Kernel für neuartige Hardware-Architekturen mit bisher unbekannten Instruktionssätzen generieren können.
Das Paper stellt FormalRTL vor, ein verifiziertes Multi-Agenten-Framework, das Software-Referenzmodelle als formale Spezifikationen nutzt, um die zuverlässige und skalierbare Generierung von industrietauglichem RTL-Code mittels großer Sprachmodelle zu ermöglichen.
Dieses Papier stellt eine Erweiterung des ACETONE-C-Codegenerators vor, die durch die formale Definition des Prozessorzuordnungsproblems und die Entwicklung von Scheduling-Heuristiken sowie Synchronisationsmechanismen die Generierung paralleler Code für Multi-Core-Architekturen ermöglicht.
Die Arbeit stellt Turn vor, eine kompilierte, actor-basierte Programmiersprache, die durch sprachintegrierte Konstrukte wie typsichere LLM-Inferenz, ein kapazitätsbasiertes Identitätssystem und einen isolierten Actor-Prozessmodell agente Software entwickelt, die autonom durch Large Language Models (LLMs) reasoning und Handeln kann.
Die Arbeit stellt TDAD vor, eine Methode zur zuverlässigen Entwicklung von KI-Agenten, die Verhaltensspezifikationen in ausführbare Tests umwandelt und durch iterative Prompt-Verfeinerung sowie Mechanismen wie versteckte Tests und semantische Mutationstests sicherstellt, dass die Agenten spezifizierte Anforderungen und Richtlinien einhalten.
Die Arbeit stellt das LLM Delegate Protocol (LDP) vor, ein KI-natives Kommunikationsprotokoll für Multi-Agenten-Systeme, das durch Identitätsbewusstsein, strukturierte Provenienz und sichere Domänen die Effizienz, Token-Nutzung und Governance bei der Delegierung von Aufgaben verbessert, wie eine Implementierung in der JamJet-Laufzeitumgebung zeigt.
Diese Arbeit argumentiert, dass generative KI kein Allheilmittel für qualitative Forschung in der Softwaretechnik ist, sondern deren Einsatz sorgfältig an die spezifischen Daten und Forschungsstrategien angepasst werden muss, um die damit verbundenen Chancen und Risiken zu verstehen.
Die Arbeit stellt Arbiter vor, ein Framework zur Erkennung von Interferenzmustern in Systemprompts von LLM-Coding-Agenten, das durch formale Regeln und Multi-Modell-Analysen bei drei großen Anbietern zahlreiche Schwachstellen aufdeckt und zeigt, dass die Prompt-Architektur die Fehlerklassen, nicht aber deren Schweregrad bestimmt.
Die Studie zeigt, dass KI-Agenten zwar funktionsfähige und wartbare Microservices mit guter API-Konformität generieren können, jedoch aufgrund inkonsistenter Korrektheit und des nach wie vor erforderlichen menschlichen Eingriffs eine vollständig autonome Erstellung noch nicht erreicht ist.
Die Arbeit stellt Pichay vor, ein Demand-Paging-System für LLM-Kontextfenster, das durch transparente Interposition und Auslagerung veralteter Inhalte die Kontextnutzung um bis zu 93 % reduziert und damit etablierte Konzepte der virtuellen Speicherverwaltung auf die Skalierung von Sprachmodellen anwendet.