175 artículos
Este estudio mediante experimentos de campo en GitHub demuestra que la manipulación de métricas de prueba social, como las estrellas o las descargas, no tiene un impacto discernible en las descargas posteriores ni en la actividad de los desarrolladores de paquetes de software de código abierto.
El artículo presenta SWE-Fuse, un marco de entrenamiento que fusiona muestras guiadas por descripciones de problemas con otras libres de ellas y utiliza un entrenamiento RLVR sensible a la entropía para superar la falta de descripciones de alta calidad, logrando mejoras significativas en la resolución de problemas de software en el benchmark SWE-bench Verified.
Este artículo propone un enfoque híbrido e interpretable basado en redes 1dCNN-GRU y técnicas de IA explicable para la detección, identificación y localización de fallos en sistemas de software automotriz, con el fin de mejorar la eficiencia, reducir costos computacionales y aumentar la confianza en aplicaciones de seguridad crítica.
En colaboración con Hacon, este estudio presenta un enfoque de IA agéntica que genera automáticamente scripts de prueba de regresión a partir de especificaciones validadas, demostrando mediante análisis industrial que esta herramienta aumenta el rendimiento y reduce el esfuerzo manual mientras mantiene la supervisión humana esencial en entornos ágiles.
Este artículo investiga las implicaciones técnicas del Reglamento de Mercados Digitales (DMA) mediante análisis cualitativo para proponer ocho estrategias de diseño arquitectónico y quince tácticas que permiten a las plataformas digitales grandes cumplir con sus objetivos de equidad, competencia y elección del usuario.
El artículo presenta PostTrainBench, un marco de evaluación que demuestra que, aunque los agentes de IA autónomos pueden mejorar el rendimiento de modelos base durante la fase de post-entrenamiento, su progreso general aún se queda atrás frente a los modelos instruidos oficialmente, al tiempo que revela riesgos significativos como la manipulación de recompensas y la necesidad de un entornos de prueba más seguros.
Este artículo presenta PromCopilot, un marco basado en modelos de lenguaje grande que utiliza un grafo de conocimiento para traducir consultas en lenguaje natural a PromQL, simplificando así el monitoreo de métricas en sistemas de servicios en línea nativos de la nube.
El artículo presenta RightTyper, un enfoque híbrido novedoso para Python que genera anotaciones de tipos precisas y fundamentadas en el comportamiento real del programa mediante muestreo adaptativo, logrando una mayor calidad que los métodos anteriores con un sobrecosto de ejecución de solo aproximadamente el 27%.
Este artículo introduce el concepto de Generación de Código Éticamente Abastecida (ES-CodeGen), estableciendo una taxonomía de 11 dimensiones basada en una revisión de literatura y una encuesta a practicantes para gestionar todo el ciclo de vida de los modelos de generación de código mediante prácticas éticas y sostenibles.
Este estudio presenta la primera evaluación sistemática con sujetos humanos que demuestra que, aunque los modelos de lenguaje grandes pueden generar especificaciones Gherkin de alta calidad a partir de normativas de seguridad alimentaria, la presencia de omisiones y alucinaciones hace indispensable una revisión humana sistemática en dominios críticos.
El artículo presenta Compiler.next, un compilador basado en búsqueda diseñado para la era de la Ingeniería de Software 3.0 que transforma intenciones humanas en software funcional mediante la optimización dinámica de arquitecturas cognitivas y modelos de IA, democratizando así el desarrollo de software y permitiendo sistemas automatizados, escalables y adaptativos.
Este artículo presenta OODEval, un nuevo benchmark y métricas unificadas para evaluar la capacidad de diseño orientado a objetos de 29 modelos de lenguaje grande, revelando que, aunque algunos modelos alcanzan un rendimiento cercano al de estudiantes universitarios, aún presentan deficiencias semánticas significativas y están muy por debajo del nivel de los diseñadores humanos expertos.
Este artículo presenta la primera evaluación exhaustiva del ajuste fino eficiente en parámetros (PEFT) para el análisis de código multitarea, demostrando que un único módulo PEFT compartido puede igualar o superar al ajuste completo con una reducción drástica de costos computacionales y de almacenamiento, aunque su éxito depende críticamente de factores como la estabilidad de las tareas, la arquitectura del modelo y la calidad de los datos.
Este estudio demuestra que las condiciones de evaluación, especialmente el formato de las preguntas, influyen más en las puntuaciones de seguridad de los modelos de lenguaje que la arquitectura de los andamios de despliegue, revelando que las clasificaciones de seguridad carecen de fiabilidad generalizable y exigen pruebas específicas para cada modelo y configuración.
Este artículo presenta y evalúa cinco estrategias de ingeniería de prompts para reducir las alucinaciones en modelos de lenguaje grandes en entornos industriales, demostrando que métodos como el registro de datos mejorado y la especialización de agentes logran resultados más consistentes y repetibles sin modificar los pesos del modelo.
El artículo presenta OAuthHub, un marco de desarrollo que utiliza dispositivos personales como intermediarios para mitigar el acceso excesivo a datos en OAuth mediante un modelo de permisos centralizado y patrones de acceso discretos, logrando reducir significativamente el tiempo de codificación y la complejidad del código en comparación con las APIs tradicionales.
Este artículo presenta los AIBOMs (Facturas de Materiales de Inteligencia Artificial), una extensión de las SBOMs tradicionales mediante una arquitectura multiagente autónoma que captura el comportamiento en tiempo real y la deriva del entorno para generar afirmaciones de explotabilidad contextualizadas y reproducibles, mejorando así la seguridad de la cadena de suministro de software.
Este artículo presenta FLA³, una plataforma de aprendizaje federado que integra controles de autenticación, autorización y contabilidad para habilitar la investigación clínica global segura y cumplir con las normativas de privacidad sin compartir datos.
El artículo presenta DUCTILE, un enfoque de orquestación agencial basado en LLM que separa la adaptación dinámica de la ejecución determinista para automatizar tareas de análisis de ingeniería en entornos industriales, logrando resultados correctos y cumpliendo criterios metodológicos mientras supervisa la tensión entre la eliminación de tareas rutinarias y la creación de roles de supervisión exigentes.
Este artículo presenta MALTA, un marco de puntuación que mejora la identificación de dependencias de alto riesgo al combinar el retraso técnico con señales de mantenimiento, revelando que la mayoría de los paquetes clasificados como seguros por métricas tradicionales son, en realidad, abandonados y vulnerables.