2463 पेपर
यह शोध पत्र तर्क देता है कि सॉफ्टवेयर इंजीनियरिंग अनुकूलन में मॉडल अस्थिरता केवल शोर नहीं बल्कि एक प्रबंधनीय गुण है, जो यह प्रदर्शित करता है कि मॉडलिंग सेटिंग्स में रणनीतिक समायोजन निरंतरता और अनुशंसा गुणवत्ता में महत्वपूर्ण सुधार कर सकते हैं, साथ ही डेटा की विशेषताओं द्वारा आरोपित मौलिक सीमाओं को भी स्वीकार करता है।
यह शोध पत्र तर्क देता है कि स्वास्थ्य सेवा में प्रोडक्शन-रेडी फेडरेटेड लर्निंग प्राप्त करने के लिए एक एकीकृत MLOps और FLOps आर्किटेक्चर की आवश्यकता है जो विकेंद्रीकृत चिकित्सा डेटा प्रशिक्षण की परिचालन और नियामक चुनौतियों को दूर करने के लिए सुरक्षित ऑर्केस्ट्रेशन, गोपनीयता-संरक्षण तंत्र और सुदृढ़ शासन को संयोजित करता है।
यह अन्वेषणात्मक अध्ययन ग्लोबल नॉर्थ और साउथ के बीच एक विरोधाभासी विचलन को प्रकट करता है, जहाँ ग्लोबल साउथ के उपयोगकर्ता अपने ग्लोबल नॉर्थ के समकक्षों की तुलना में जनरेटिव एआई में उच्च विश्वास प्रदर्शित करते हैं लेकिन कम उत्पादकता लाभ की रिपोर्ट करते हैं, जो यह सुझाव देता है कि पर्याप्त पहुंच, कार्य उपयुक्तता और सत्यापन आवश्यकताओं के बिना केवल विश्वास ही उत्पादकता के लिए अपर्याप्त है।
यह शोध पत्र प्रदर्शित करता है कि कोडिंग एजेंटों को केवल एक `execute_code` टूल तक सीमित रखना अक्सर टूल-समृद्ध वातावरण का उपयोग करने जितना ही प्रभावी और अक्सर उससे सस्ता होता है, जो यह प्रकट करता है कि इष्टतम टूल सतह (tool surface) अकेले किसी भी कारक के बजाय कार्य व्यवस्था (task regimes) और विशिष्ट एजेंट डिज़ाइनों के बीच परस्पर क्रिया द्वारा संयुक्त रूप से निर्धारित होती है।
यह शोध पत्र स्नातक प्रोग्रामिंग सबमिशन के चार वर्षीय विश्लेषण को प्रस्तुत करता है ताकि AI कोड-जेनरेशन विनिर्देशों (specifications) के रूप में उपयोग किए जाने वाले छात्र टिप्पणियों के लिए एक त्रि-आयामी वर्गीकरण (taxonomy) पेश किया जा सके, जो यह प्रकट करता है कि छात्र मुख्य रूप से "क्या" (What) टिप्पणियाँ लिखते हैं, प्रक्रियात्मक कार्यों के लिए "कैसे" (How) टिप्पणियों की ओर स्थानांतरित होते हैं, और विनिर्देशों को बार-बार फिर से लिखने के बजाय जनरेट किए गए कोड को सत्यापित करने को प्राथमिकता देते हैं।
यह शोध पत्र nf-core पारिस्थितिकी तंत्र का एक क्रॉस-प्लेटफ़ॉर्म अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह विश्लेषण करने के लिए 50,000 से अधिक GitHub इश्यू और पुल रिक्वेस्ट के साथ-साथ फोरम चर्चाओं का विश्लेषण करता है कि रखरखाव और सहायता गतिविधियाँ विभिन्न आर्टिफ़ैक्ट प्रकारों में कैसे भिन्न होती हैं और उन प्रमुख कारकों की पहचान करता है जो समुदाय-संचालित वैज्ञानिक पाइपलाइनों में समाधान परिणामों को प्रभावित करते हैं।
100 पेशेवरों के एक मिश्रित-पद्धति अध्ययन के माध्यम से, यह शोध पत्र प्रकट करता है कि सॉफ्टवेयर इंजीनियरिंग एजेंटों का निर्माण कोडिंग से हटकर आवश्यकताओं और समन्वय जैसी गैर-कोडिंग गतिविधियों की ओर विकास संबंधी बाधाओं को स्थानांतरित कर देता है, जिससे एक मूल्यांकन-संचालित वर्कफ़्लो को बढ़ावा मिलता है जो एक सात-चरणीय प्रक्रिया और अविश्वसनीय मूल्यांकन संकेतों एवं बोध ऋण (comprehension debt) जैसी चुनौतियों द्वारा अभिलक्षित है।
AgentCheck एक ओपन-सोर्स वेब वर्कबेंच है जो डेवलपर्स को वास्तविक टूल रिस्पॉन्स में विभिन्न दोषों (faults) को इंजेक्ट करके और एक नियंत्रित रिप्ले मैकेनिज्म के माध्यम से सुधारों की प्रभावशीलता को सत्यापित करके, टूल का उपयोग करने वाले LLM एजेंट्स में विफलताओं को पुनरुत्पादित करने, हस्तक्षेप करने और उन्हें कम करने में सक्षम बनाता है।
RepTran एक खोज-आधारित मरम्मत विधि है जो उनके फीड-फॉरवर्ड नेटवर्क में संदिग्ध भार (weights) की पहचान करने के लिए एक संयुक्त विचरण-आधारित (variance-based) और द्विदिश स्कोरिंग तंत्र का उपयोग करके ट्रांसफॉर्मर मॉडल की विश्वसनीयता को बढ़ाती है, और फिर मौजूदा अत्याधुनिक दृष्टिकोणों की तुलना में काफी उच्च मरम्मत दर प्राप्त करने के लिए डिफरेंशियल इवोल्यूशन के माध्यम से उन्हें पुनरावृत्ति रूप से अनुकूलित करती है।
यह शोध पत्र FOCAL को प्रस्तुत करता है, जो एक कोड LLM-आधारित विभेदक भविष्यवक्ता (discriminative oracle predictor) है जो उन्नत विफलता पहचान और कथन-स्तरीय स्पष्टीकरणों के साथ सीधे टेस्ट पास/फेल परिणामों का पूर्वानुमान लगाता है, जो अनदेखे प्रोजेक्ट्स के लिए मौजूदा टेस्ट जनरेशन तकनीकों के एक सुदृढ़ पूरक के रूप में कार्य करता है।