173 artículos
Este artículo presenta Graphectory, un marco de análisis centrado en procesos que representa las trayectorias de sistemas agénticos como grafos para revelar patrones de razonamiento y estrategias, demostrando que el monitoreo y la intervención en tiempo real basados en este análisis mejoran significativamente las tasas de resolución y reducen la longitud de las trayectorias.
DevBench es un nuevo benchmark impulsado por telemetría real que evalúa modelos de lenguaje grandes en tareas de generación de código ecológicamente válidas, ofreciendo diagnósticos detallados sobre su precisión sintáctica, razonamiento semántico y utilidad práctica para guiar su selección y mejora.
Este estudio demuestra que las métricas espectrales derivadas de redes estructurales extraídas de requisitos mediante procesamiento de lenguaje natural predicen el esfuerzo de integración con una correlación superior a 0,95, superando a las métricas estructurales tradicionales y cerrando una brecha metodológica crítica en la ingeniería de requisitos.
El artículo presenta GraphSkill, un marco de codificación guiado por agentes que mejora el razonamiento sobre grafos complejos mediante una recuperación jerárquica de documentación técnica y un agente de autodepuración que utiliza casos de prueba generados automáticamente, todo ello respaldado por un nuevo dataset de evaluación.
El artículo presenta ResearchEnvBench, un nuevo benchmark diseñado para evaluar la capacidad de los agentes autónomos para sintetizar entornos de ejecución funcionales a partir de repositorios de investigación, revelando que los modelos actuales tienen dificultades significativas en la resolución de dependencias y la gestión de versiones.
Este estudio empírico analiza más de 13.000 incidencias en sistemas de IA agéntica para desarrollar y validar una taxonomía exhaustiva de tipos de fallos, síntomas y causas raíz, revelando patrones de propagación críticos derivados de la interacción entre la generación probabilística de los modelos y las restricciones deterministas del sistema.
Este artículo presenta PVBench, un nuevo benchmark que demuestra que más del 40% de los parches generados automáticamente por sistemas de reparación de vulnerabilidades fallan al someterse a pruebas adicionales () que capturan la intención del desarrollador, revelando así una sobreestimación crítica en las tasas de éxito actuales.
Este artículo presenta Marauder, un marco declarativo que unifica cinco representaciones de mutaciones manuales mediante un álgebra y una tubería de conversión sin pérdidas para facilitar su gestión, ejecución selectiva y composición en experimentos de pruebas de software.
Este estudio presenta un marco de evaluación multidimensional que revela que, aunque los modelos de lenguaje pequeños (SLMs) pueden ser viables para la arquitectura de software, su capacidad de razonamiento varía significativamente según el tamaño de los parámetros, la estrategia de ajuste fino y la técnica de prompting, estableciendo así una línea base para el despliegue de asistentes arquitectónicos sostenibles en la era de la Ingeniería de Software 2.0.
Este artículo presenta un sistema híbrido de recomendación basado en *Learning-to-Rank* que utiliza incrustaciones de contexto social y técnicas de aprendizaje profundo para extraer soluciones a errores de software de Stack Overflow, logrando una precisión del 78% al sugerir las 10 mejores respuestas.
Este estudio empírico demuestra que las restricciones de despliegue en cuatro modelos de lenguaje grandes no mejoran la veracidad de las citas académicas, ya que la mayoría de las referencias generadas son inexistente o no verificables, lo que subraya la necesidad imperativa de verificar las citas después de la generación antes de integrarlas en revisiones de literatura o herramientas de ingeniería de software.
Echo es un agente innovador que genera casos de prueba para reproducir errores mediante la recuperación de contexto mejorada con grafos de código, la ejecución automática de pruebas para validar el fallo y la generación de parches, logrando un nuevo estado del arte con una tasa de éxito del 66,28% en SWT-Bench Verified.
Este estudio cualitativo revela que, en equipos de desarrollo de software remotos e híbridos, la ejecución de las pruebas de regresión depende cada vez más de la documentación, la automatización y la integración de herramientas para facilitar la colaboración asíncrona, sustituyendo las interacciones informales presenciales por mecanismos estandarizados de comunicación y trazabilidad.
Este estudio de revisión sistemática demuestra que, aunque la empatía es fundamental para la formación ética y colaborativa de los ingenieros de software, su integración curricular actual es fragmentada y sugiere transformarla en una competencia pedagógica medible y continua para fomentar una innovación responsable.
Este estudio presenta la primera evaluación exhaustiva de diversas representaciones de código para la predicción de corrección de parches, demostrando que las representaciones basadas en grafos superan consistentemente a otras y que su integración con representaciones heurísticas mejora significativamente la detección de parches incorrectos en herramientas de reparación automática de programas.
El artículo presenta AgentRaft, un marco automatizado que combina análisis de programas y razonamiento semántico para detectar y mitigar el riesgo de sobreexposición de datos en agentes LLM, logrando una alta precisión en la identificación de violaciones de privacidad en herramientas del mundo real.
KCoEvo es un marco de trabajo aumentado con grafos de conocimiento que mejora la generación evolutiva de código mediante la recuperación de rutas de migración y la generación informada por estas, superando a los modelos de lenguaje estándar en precisión y éxito de ejecución al abordar la obsolescencia de APIs.
Este estudio investiga cómo la ofuscación de código afecta la comprensión humana mediante una tarea de predicción de salidas en Python y JavaScript, revelando que, aunque generalmente aumenta el tiempo de razonamiento y reduce la precisión, su impacto no es estrictamente monotónico y varía según el lenguaje, sugiriendo que los desafíos de la ofuscación dependen más de la familiaridad específica con el lenguaje que de la capacidad general de programación.
Este estudio, basado en entrevistas con profesionales de cuatro equipos de IA en Brasil y Portugal, revela que la diversidad del equipo es fundamental para identificar sesgos, fomentar la empatía y mejorar la toma de decisiones inclusivas en el desarrollo de sistemas de inteligencia artificial.
El artículo presenta IOTEL, una herramienta que facilita la integración sistemática de datos del Internet de las Cosas (IoT) en registros de eventos centrados en objetos (OCEL) para superar los desafíos de abstracción y separación de fuentes, permitiendo así el análisis de procesos empresariales mejorados con IoT mediante herramientas de minería de procesos existentes.