172 artículos
Este artículo presenta Lockbox, una arquitectura de confianza cero diseñada para garantizar el procesamiento seguro de cargas de trabajo sensibles en la nube mediante la aplicación de verificación explícita de confianza, aislamiento estricto y acceso de mínimo privilegio en todo el ciclo de vida de la aplicación.
Este artículo presenta una pipeline automatizada que utiliza modelos de lenguaje grande (LLMs) para detectar y analizar las causas raíz de las pruebas inestables en software cuántico, logrando identificar 25 casos nuevos y alcanzar un alto rendimiento en la clasificación de estos errores.
Este artículo examina las barreras que enfrentan los investigadores de Nueva Zelanda para participar en conferencias de ingeniería de software, como los altos costos de viaje y la falta de representación, y propone estrategias como la participación híbrida y reformas de gobernanza para fomentar una colaboración global más equitativa.
Este artículo presenta un marco híbrido novedoso que combina la ejecución concolica guiada por modelos de lenguaje grande (LLM) con clasificación basada en aprendizaje profundo para detectar malware generado por IA con garantías de corrección, superando significativamente a las soluciones de detección convencionales en precisión y eficiencia.
Este artículo investiga la capacidad de modelos de lenguaje avanzados para generar diagramas de clases UML a partir de requisitos en lenguaje natural, proponiendo un marco de validación dual que combina evaluadores de IA y expertos humanos, y demostrando que estos modelos pueden producir diagramas estructuralmente coherentes y semánticamente significativos con una alta alineación respecto a las evaluaciones humanas.
El artículo presenta AgenticCyOps, un marco de seguridad arquitectónico que protege la integración de sistemas multiagente en operaciones cibernéticas empresariales mediante la definición de cinco principios defensivos y la reducción de fronteras de confianza explotables en un 72% para mitigar vectores de ataque en la orquestación de herramientas y la gestión de memoria.
El artículo presenta ToolRosetta, un marco unificado que automatiza la conversión de repositorios de código de código abierto en herramientas estandarizadas compatibles con el Protocolo de Contexto de Modelo (MCP), permitiendo a los agentes de modelos de lenguaje grandes ejecutar tareas complejas de extremo a extremo con mínima intervención humana y garantizando la seguridad.
Este estudio de caso demuestra que, aunque es posible generar especificaciones de requisitos de sistema sintéticas y realistas con ChatGPT mediante un enfoque iterativo de patrones de prompts, la evaluación automática basada en modelos de lenguaje no puede sustituir completamente la revisión exhaustiva de expertos debido a errores como contradicciones y alucinaciones.
El artículo presenta RoadLogic, una herramienta de código abierto que utiliza programación lógica y planificación de movimiento para convertir automáticamente especificaciones declarativas de escenarios de OpenSCENARIO en simulaciones ejecutables y verificadas, facilitando así la prueba sistemática de vehículos autónomos.
Este informe de experiencia detalla el desarrollo de tres currículos de ingeniería de software para profesionales y propone principios y un enfoque sistemático basado en el mapeo de contenidos para integrar eficazmente cursos de ingeniería de requisitos en dichos programas dinámicos y modulares.
Este artículo presenta el modelo de artefactos AM4RRE como una propuesta para integrar la ingeniería de requisitos regulatorios en el ciclo de vida del desarrollo de software, con el objetivo de lograr un cumplimiento normativo sistemático y basado en el diseño que aborde la complejidad de la coordinación entre múltiples perspectivas.
El artículo presenta EmbC-Test, un pipeline basado en RAG y modelos de lenguaje grande que automatiza la generación de pruebas para software embebido en C, logrando una corrección sintáctica del 100 %, una tasa de éxito del 85 % en validación y reduciendo hasta un 66 % el tiempo de prueba manual.
Este artículo presenta un currículo de ingeniería de IA basado en proyectos que integra prácticas ágiles y herramientas de IA para preparar a los estudiantes para el desarrollo de software asistido por inteligencia artificial, respaldado por un estudio de caso y una evaluación preliminar que destaca la importancia de la reflexión crítica y la verificación oral.
El artículo presenta EsoLang-Bench, un nuevo benchmark que utiliza lenguajes de programación esotéricos para demostrar que, a pesar de su alto rendimiento en tareas de codificación estándar, los modelos de lenguaje actuales carecen de razonamiento genuino y dependen en gran medida de la memorización de datos de entrenamiento.
Este estudio empírico presenta la primera taxonomía de "olores de interacción" en la generación de código colaborativa con LLMs, analiza su distribución en modelos actuales y propone el marco multiagente InCE para mitigar estos problemas y mejorar el éxito de las tareas en interacciones de múltiples turnos.
Este trabajo introduce los "neural debuggers", modelos de lenguaje que emulan las funciones de los depuradores tradicionales permitiendo la ejecución interactiva paso a paso y la inferencia de estados, lo que sienta las bases para sistemas de codificación autónomos más avanzados.
El artículo presenta MORCoRA, una técnica de búsqueda multiobjetivo que recomienda secuencias de refactorización que mejoran la calidad del código y preservan su semántica, al mismo tiempo que identifica revisores expertos y disponibles para garantizar la viabilidad de la revisión.
Este artículo explora el potencial transformador de la inteligencia artificial para optimizar la generación y validación de casos de prueba mediante la automatización y el aprendizaje automático, abordando al mismo tiempo los desafíos de implementación para lograr lanzamientos de software más rápidos, precisos y escalables.
Este estudio analiza la seguridad y calidad del código generado por modelos de lenguaje grande (LLM) en múltiples lenguajes, revelando que, aunque automatizan la creación de código, su efectividad varía según el lenguaje y a menudo fallan al adoptar prácticas modernas de seguridad, como las actualizaciones de Java 17 o los métodos seguros en C++.
El artículo presenta iProg, una herramienta de programación inductiva estructurada interactiva que combina la descripción natural de tareas con la intervención humana y modelos de lenguaje para generar diagramas de flujo de datos y código, logrando un desarrollo de sistemas de análisis científico más rápido, fiable y de mayor calidad que las alternativas de "No Code".