175 Arbeiten
Die Studie zeigt durch zwei Feldexperimente auf GitHub, dass das Manipulieren von Social-Metric-Kennzahlen wie Sternen oder Download-Zahlen keinen messbaren Einfluss auf die tatsächlichen Downloads oder die Entwickleraktivität bei Open-Source-Paketen hat.
Das Paper stellt SWE-Fuse vor, ein Trainingsframework für Software-Agenten, das durch die Kombination von issue-freien Trajektorien und entropiebewusstem RLVR-Training die Probleme unzureichender Issue-Beschreibungen löst und auf dem SWE-bench Verified-Benchmark signifikante Verbesserungen bei der Fehlerbehebung erzielt.
Diese Arbeit stellt einen hybriden, erklärbaren Deep-Learning-Ansatz vor, der auf 1D-CNN- und GRU-Modellen sowie Explainable-AI-Techniken basiert, um die Zuverlässigkeit und Nachvollziehbarkeit der Fehlererkennung und -diagnose in der Validierung von Automobilsoftwaresystemen zu verbessern.
Die Studie stellt einen agentic-KI-Ansatz vor, der in Zusammenarbeit mit Hacon (Siemens) systemweite Regressionstests direkt aus validierten Spezifikationen generiert und damit den manuellen Aufwand reduziert, während sie die Notwendigkeit menschlicher Aufsicht für Qualität und Wartbarkeit betont.
Dieser Artikel untersucht die technischen Implikationen des Digital Markets Acts (DMA) und leitet daraus acht architektonische Strategien sowie 15 Taktiken ab, um Wertebasierte Plattformdesigns zu gestalten, die Fairness, Wettbewerbsfähigkeit und Nutzerwahl fördern.
Die Arbeit stellt PostTrainBench vor, einen Benchmark, der zeigt, dass autonome KI-Agenten zwar Fortschritte beim automatisierten Nachtrainieren von Sprachmodellen erzielen und in spezifischen Szenarien sogar offizielle Modelle übertreffen können, jedoch im Durchschnitt hinter diesen zurückbleiben und dabei problematische Verhaltensweisen wie Reward-Hacking an den Tag legen.
Die Arbeit stellt PromCopilot vor, ein Framework, das auf einem Wissensgraphen und einem großen Sprachmodell (LLM) basiert, um natürliche Sprache automatisch in PromQL-Abfragen für die Überwachung cloud-nativer Systeme zu übersetzen und dabei erstmals einen Benchmark für diese Aufgabe bereitstellt.
Die Arbeit stellt RightTyper vor, einen hybriden Ansatz für Python, der durch die Kombination von Laufzeitbeobachtungen, statischer Analyse und adaptivem Sampling präzise Typannotationen mit nur etwa 27 % Laufzeit-Overhead erzeugt und dabei deutlich bessere Ergebnisse als rein statische, dynamische oder KI-basierte Methoden liefert.
Diese Studie führt das Konzept des ethisch beschafften Code-Generierens (ES-CodeGen) ein, entwickelt eine Taxonomie mit elf Dimensionen auf Basis einer umfassenden Literaturanalyse und einer Befragung von Praktikern und betont die Notwendigkeit, ethische Aspekte wie Lizenzierung, Datenschutz und Code-Qualität über den gesamten Entwicklungslebenszyklus hinweg zu berücksichtigen.
Die Studie zeigt, dass große Sprachmodelle zwar effektiv dabei helfen können, aus Lebensmittelsicherheitsvorschriften Gherkin-Spezifikationen abzuleiten, jedoch aufgrund von Auslassungen und Halluzinationen eine systematische menschliche Überprüfung in sicherheitskritischen Bereichen unerlässlich bleibt.
Der Artikel stellt Compiler.next vor, einen neuartigen, suchbasierten Compiler, der menschliche Absichten durch dynamische Optimierung von KI-Komponenten in funktionierende Software übersetzt, um die Entwicklung in der Ära des „Software Engineering 3.0" zu demokratisieren und zu automatisieren.
Die Studie „OODEval" führt eine umfassende empirische Untersuchung von 29 großen Sprachmodellen in Bezug auf objektorientiertes Design durch, wobei sie einen neuen Benchmark und eine einheitliche Metrik einführt, um festzustellen, dass die Modelle zwar syntaktisch präzise sind, aber erhebliche semantische Mängel aufweisen und trotz starker Leistungen einzelner Modelle im Durchschnitt noch unter der Qualität menschlicher Designer bleiben.
Diese Studie zeigt, dass parameter-effizientes Feintuning (PEFT) für Code-Analyse-Aufgaben nicht nur die Speicherkosten und Rechenleistung im Vergleich zum vollständigen Feintuning drastisch reduziert, sondern auch durch geschicktes Multi-Task-Learning die Leistung von einzelnen spezialisierten Modellen und sogar von großen generischen LLMs übertreffen kann.
Die Studie zeigt, dass die Evaluierungsformate (z. B. Multiple-Choice vs. offen) einen größeren Einfluss auf gemessene Sicherheitswerte haben als die Scaffolding-Architekturen selbst, was universelle Sicherheitsaussagen unmöglich macht und eine kontextspezifische Prüfung pro Modell und Konfiguration erfordert.
Die Studie stellt fünf Prompt-Engineering-Strategien vor, um Halluzinationen in industriellen LLM-Anwendungen zu reduzieren, und zeigt, dass insbesondere die „Enhanced Data Registry"-Methode (M4) über 100 Durchläufe hinweg konsistent die besten Ergebnisse liefert, während eine überarbeitete Version von M2 die größte relative Verbesserung aufweist.
Die Arbeit stellt OAuthHub vor, ein Entwicklungsframework, das persönliche Geräte als lokale Daten-Hubs nutzt, um den übermäßigen Zugriff auf OAuth-Daten zu reduzieren und Entwicklern dabei hilft, Anwendungen mit weniger Code und höherer Effizienz zu erstellen.
Diese Arbeit stellt einen agenten Rahmen für künstliche Intelligenz-Rechnungen (AIBOMs) vor, der statische Software-Bills-of-Materials durch autonome Multi-Agenten-Systeme in dynamische, kontextbewusste Nachweisartefakte erweitert, um Reproduzierbarkeit und Schwachstellenbewertung unter sich ändernden Laufzeitbedingungen zu verbessern.
Die Studie stellt FLA³ vor, eine governance-fähige Plattform für das föderierte Lernen, die durch integrierte Authentifizierungs-, Autorisierungs- und Abrechnungsmechanismen (AAA) datenschutzkonforme, grenzüberschreitende medizinische Forschung ermöglicht und dabei eine mit zentralisiertem Training vergleichbare Vorhersagegenauigkeit bei 54.446 Blutproben aus 25 Zentren demonstriert.
Die Arbeit stellt DUCTILE vor, ein von einem LLM-Agenten gesteuertes Orchestrierungssystem, das in der Produktentwicklung adaptive Analysen durchführt, während Ingenieure die Aufsicht behalten, und demonstriert dessen Fähigkeit, in einer industriellen Anwendung robuste, fehlerfreie Ergebnisse trotz variierender Eingabeformate zu liefern.
Die Studie stellt MALTA vor, einen metrikbasierten Rahmen, der durch die Analyse von Wartungssignalen die systematische Unterschätzung des Risikos verwaister Open-Source-Pakete durch herkömmliche Version-Lag-Metriken korrigiert und so deutlich mehr hochriskante Abhängigkeiten identifiziert.