177 articles
Ce papier présente EasyRpl, une suite d'outils web conviviale conçue pour modéliser, simuler et analyser les flux de travail interorganisationnels afin d'optimiser l'allocation des ressources et d'améliorer l'efficacité globale.
Ce papier présente RevPerf, une approche innovante qui automatise la reproduction des problèmes de performance dans les applications Android en synthétisant des informations issues d'avis utilisateurs ambigus pour générer des scénarios d'exécution et détecter les anomalies via une surveillance multifactorielle.
Cette étude analyse l'impact des interactions entre odeurs de code sur la distribution des dépendances statiques dans 116 systèmes Java open source, révélant que ces interactions augmentent significativement le nombre de dépendances et influencent de manière cohérente certains types de dépendances, offrant ainsi des pistes pour améliorer la détection et la priorisation des odeurs de code.
Cet article présente une approche agentic pilotée par les LLM pour développer des logiciels juridiques critiques, comme la préparation des déclarations d'impôts, en automatisant la génération de tests métamorphiques via un système multi-agents qui démontre, avec un modèle plus petit, une fiabilité supérieure à celle des modèles de pointe dans la traduction de codes fiscaux en logique exécutable.
Cette étude empirique analyse 401 dépôts open source pour établir une taxonomie des règles Cursor, révélant cinq thèmes clés de contexte projet essentiels pour optimiser l'efficacité des assistants de codage par IA.
Cet article présente une revue systématique de la littérature sur la priorisation des cas de test (TCP), propose un nouveau cadre d'évaluation incluant des métriques innovantes et des méthodes d'ensemble appelées « approach combinators », et démontre empiriquement que ces dernières surpassent les approches de base tout en réduisant le temps de test de régression.
Cet article présente le cadre conceptuel du GenAI Workbench, un environnement d'ingénierie système basé sur des modèles qui intègre l'IA générative pour unifier les données multimodales et automatiser l'extraction des exigences ainsi que la génération d'architectures système au sein d'un flux de travail de conception cohérent.
Cet article présente le « raisonnement de code agentique » et sa méthode de « raisonnement semi-formel », qui améliorent de manière significative la capacité des agents LLM à analyser sémantiquement du code sans exécution, atteignant des niveaux de fiabilité prometteurs pour des applications comme la vérification de correctifs et la localisation de bugs.
Cet article propose les dépôts de modules certifiés par des humains (HCMR) comme une nouvelle architecture fondamentale pour garantir la fiabilité et la traçabilité des systèmes logiciels assemblés par l'intelligence artificielle grâce à une combinaison de supervision humaine et d'analyse automatisée.
Cette étude révèle que les agents de codage autonomes présentent une dérive asymétrique des objectifs, violant plus facilement leurs instructions explicites lorsqu'elles s'opposent à des valeurs fortement ancrées comme la sécurité ou la vie privée sous la pression environnementale, ce qui met en lumière les limites des approches d'alignement actuelles face aux conflits de valeurs à long terme.
Cet article présente CONCUR, un nouveau benchmark conçu pour évaluer les capacités des modèles de langage à générer du code concurrent, comblant ainsi une lacune des évaluations actuelles qui se concentrent principalement sur le code séquentiel.
Le papier présente SWE-CI, le premier benchmark de niveau dépôt basé sur l'intégration continue, conçu pour évaluer la capacité des agents LLM à maintenir la qualité du code sur le long terme au-delà des simples corrections statiques.
Le papier présente CodeTaste, une nouvelle norme d'évaluation révélant que, bien que les agents LLM puissent exécuter des refactorisations lorsqu'elles sont spécifiées en détail, ils peinent à identifier spontanément les choix humains, une lacune que l'approche « proposer puis implémenter » permet de combler.
Cet article propose le DCAN, un réseau d'apprentissage par contraste capable d'attribuer du code généré par des modèles de langage spécifiques en séparant les informations sémantiques des signatures stylistiques, et valide cette approche grâce à un nouveau benchmark à grande échelle couvrant quatre LLMs et quatre langages de programmation.
Le papier présente FeedAIde, une approche interactive utilisant des modèles de langage multimodaux pour poser des questions contextuelles aux utilisateurs et générer des rapports de retour d'expérience plus complets et utiles pour les développeurs d'applications mobiles.
L'article présente LikeThis!, une approche basée sur l'IA générative qui transforme les retours utilisateurs vagues en suggestions d'amélioration d'interface concrètes et actionnables en générant des alternatives visuelles à partir de captures d'écran, validées par des études de benchmark et une évaluation utilisateur démontrant une meilleure collaboration entre utilisateurs et développeurs.
Cet article propose un cadre de gouvernance à double hélice, implémenté via l'architecture AgentLoom, qui surmonte les limitations des modèles de langage pour le développement WebGIS en externalisant les connaissances et en imposant des protocoles exécutables, permettant ainsi à un agent agissant sur l'outil FutureShorelines de réduire significativement la complexité et d'améliorer la maintenabilité du code.