2549 पेपर
CAT जावा प्रोजेक्ट्स के लिए एक नवीन LLM-आधारित टेस्ट जनरेशन दृष्टिकोण है जो कॉल-चेन और डिपेंडेंसी कॉन्टेक्स्ट को प्रॉम्प्ट्स में स्पष्ट रूप से शामिल करने के लिए स्टैटिक एनालिसिस का उपयोग करके कोड कवरेज में सुधार करता है।
TRACE एक स्वचालित पाइपलाइन है जो वास्तविक दुनिया की NHTSA क्रैश रिपोर्ट को OpenStreetMap डेटा, लार्ज लैंग्वेज मॉडल्स और ट्रैजेक्टरी जनरेशन को एकीकृत करके उच्च-सटीक (high-fidelity) CARLA सिमुलेशन में पुनर्गठित करती है ताकि स्वायत्त वाहन सुरक्षा के मूल्यांकन के लिए एक विविध बेंचमार्क बनाया जा सके।
यह शोध पत्र "एथिक्स टेस्टिंग" (नैतिकता परीक्षण) की नवीन अवधारणा प्रस्तुत करता है, जो एक व्यवस्थित पद्धति है जिसे जनरेटिव एआई प्रणालियों द्वारा उत्पन्न सामग्री के भीतर अनैतिक व्यवहार और बौद्धिक संपदा उल्लंघन जैसे विभिन्न सॉफ्टवेयर नुकसानों को सक्रिय रूप से पहचानने और खोजने के लिए डिज़ाइन किया गया है।
RAG-Reflect एक मॉड्यूलर एजेंटिक फ्रेमवर्क है जो रिट्रीवल-ऑगमेंटेड रीजनिंग और सेल्फ-रिफ्लेक्शन का उपयोग करता है ताकि यह सटीक रूप से भविष्यवाणी की जा सके कि स्टैक ओवरफ्लो पर उपयोगकर्ता की टिप्पणियाँ कार्रवाई योग्य कोड संपादन (actionable code edits) को ट्रिगर करती हैं या नहीं, जो बिना किसी टास्क-विशिष्ट प्रशिक्षण के फाइन-ट्यून्ड मॉडल्स के समान प्रदर्शन प्राप्त करता है।
AutoINV एक स्वचालित फ्रेमवर्क है जो उच्च-स्तरीय डिज़ाइन विशेषताओं का उपयोग करके मॉडल चेकर को निर्देशित करने वाले इष्टतम हेल्पर एसेर्शन (helper assertions) को पुनरावृत्ति से उत्पन्न और चयन करके हाई-लेवल सिंथेसिस (HLS) डिज़ाइनों के औपचारिक सत्यापन (formal verification) को तेज़ करता है।
यह शोध पत्र पिछले प्रयोगात्मक परिणामों के आधार पर, यूज़ केस आरेख (use case diagrams) और अन्य सॉफ्टवेयर इंजीनियरिंग संकेतनों (notations) का समर्थन करने के लिए, एक गेमिफाइड मॉडलिंग टूल, UMLegend को एक मॉड्यूलर आर्किटेक्चर में रिफैक्टर करके इसके संवर्धन का वर्णन करता है।
यह शोध पत्र NL2VC-60 डेटासेट का परिचय देता है और विभिन्न प्रॉम्प्टिंग रणनीतियों का मूल्यांकन करता है ताकि ओपन-वेट लार्ज लैंग्वेज मॉडल्स को Dafny वेरीफायर और uDebug प्लेटफॉर्म का उपयोग करके प्राकृतिक भाषा की समस्याओं को औपचारिक रूप से सत्यापित कोड में बदलने में सक्षम बनाया जा सके।
औपचारिक सत्यापनकर्ता (formal verifier) की चेतावनियों और कोड की सरलता के बीच एक ज्ञात सहसंबंध के बावजूद, यह अध्ययन प्रदर्शित करता है कि इन चेतावनियों के योग को एक विशेषता (feature) के रूप में जोड़ने से मानव-निर्णित कोड बोधगम्यता (comprehensibility) की भविष्यवाणी करने वाले मशीन लर्निंग मॉडलों के प्रदर्शन में महत्वपूर्ण सुधार नहीं होता है।
यह शोध पत्र एक बाइनरी-स्तरीय कार्यप्रणाली प्रस्तावित करता है जो अनडॉक्युमेंटेड लीगेसी फर्मवेयर से इक्विवेलेंस क्लासेस (समतुल्यता वर्गों) को स्वचालित रूप से निष्कर्ष निकालने के लिए कंट्रोल-फ्लो रिकंस्ट्रक्शन और सिम्बोलिक एक्जीक्यूशन का उपयोग करती है, जिससे सोर्स कोड या कार्यात्मक विशिष्टताओं की आवश्यकता के बिना ISO 26262-अनुपालन परीक्षण सक्षम होता है।
यह शोध पत्र एजेंटिक कोडिंग कार्यों में टोकन खपत का पहला व्यवस्थित अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि एजेंटिक वर्कफ़्लो असाधारण रूप से महंगे और स्टोकेस्टिक (अनिश्चित) हैं, मॉडल दक्षता में काफी भिन्न होते हैं, और फ्रंटियर एलएलएम (LLMs) अपनी स्वयं की टोकन लागत का सटीक अनुमान लगाने में संघर्ष करते हैं।