2564 पेपर
यह अर्ध-प्रायोगिक अध्ययन शुरुआती करियर के सॉफ्टवेयर इंजीनियरों के लिए एक संरचित समूह कोचिंग हस्तक्षेप का मूल्यांकन करता है और पाता है कि हालांकि इसने इम्पोस्टर फेनोमेनन (इम्पोस्टर सिंड्रोम) की भावनाओं को मामूली रूप से कम किया, उपचार और नियंत्रण दोनों समूहों में सुधार यह सुझाव देते हैं कि हस्तक्षेप की तुलना में प्रासंगिक और सामयिक कारक अधिक प्रभावशाली हो सकते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ न्यूट्रोसोफिक स्केलर मूल्यांकन (सत्य, अनिश्चितता, असत्य) विविध LLMs में व्यापक "हाइपर-ट्रुथ" को प्रकट करते हैं, वहीं वे विरोधाभास और अज्ञानता जैसे मौलिक रूप से भिन्न एपिस्टेमिक अवस्थाओं के बीच अंतर करने में विफल रहते हैं, एक ऐसी सीमा जिसे स्केलर आउटपुट को अधिक निष्ठावान टेंसर प्रतिनिधित्व बनाने के लिए संरचित, डोमेन-विशिष्ट लॉस डिक्लेरेशन के साथ संवर्धित करके हल किया जाता है।
यह अध्ययन एक दो-चरणीय मल्टी-एजेंट लार्ज लैंग्वेज मॉडल फ्रेमवर्क पेश करता है जो उपयोगकर्ता इनपुट की व्याख्या करने और उन्हें कई सॉफ्टवेयर प्लेटफार्मों (ETABS, SAP2000, और OpenSees) में निष्पादन योग्य स्क्रिप्ट में अनुवादित करने के लिए सहयोगात्मक रूप से कार्य करके फ्रेम स्ट्रक्चरल विश्लेषण को स्वचालित करता है, जिससे वैध मॉडल उत्पन्न करने में 90% से अधिक सटीकता प्राप्त होती है।
यह शोध पत्र माइक्रोसर्विसेज के लिए एक सुरक्षित, समानांतर रिकवरी फ्रेमवर्क प्रस्तावित करता है जो कैस्केडिंग विफलताओं को रोकने और तेज़ रिकवरी समय बनाए रखने के लिए एक टाइप किए गए निर्देश सेट (typed instruction set) और ऑनलाइन रिकवरी-बाउंड्री इन्फरेंस का उपयोग करके अविश्वसनीय एजेंट प्लानिंग को एक सत्यापित माइक्रोकर्नेल निष्पादन से अलग करता है।
MR-Coupler एक स्वचालित उपकरण है जो सोर्स कोड फंक्शनल कपलिंग और लार्ज लैंग्वेज मॉडल्स का लाभ उठाकर वैध मेटामॉर्फिक टेस्ट केस जेनरेट करके सॉफ्टवेयर टेस्टिंग में ओरकल समस्या का समाधान करता है, जो मौजूदा बेसलाइन्स की तुलना में जनरेशन रेट और बग डिटेक्शन में उल्लेखनीय सुधार करता है और फॉल्स अलार्म को कम करता है।
यह डॉक्टरेट शोध मल्टी-एजेंट एलएलएम (LLM) पेयर प्रोग्रामिंग वर्कफ़्लो के एक व्यवस्थित अध्ययन का प्रस्ताव करता है जो डेवलपर के इरादे को बाह्य रूप से प्रकट करता है और यह सुनिश्चित करने के लिए स्वचालित सत्यापन उपकरणों का लाभ उठाता है कि वास्तविक दुनिया के विकास में कोड आर्टिफैक्ट्स विश्वसनीय, ऑडिट योग्य और रखरखाव योग्य बने रहें।
यह शोध पत्र ClawVM को प्रस्तुत करता है, जो एक हार्नेस-प्रबंधित वर्चुअल मेमोरी लेयर है जो टाइप किया गया पेज रेजिडेंसी (typed page residency) और वैलिडेटेड राइटबैक (validated writeback) को लागू करके LLM एजेंटों के लिए नियत और ऑडिट करने योग्य स्टेट ड्यूरेबिलिटी (state durability) सुनिश्चित करता है, जिससे नगण्य ओवरहेड के साथ पॉलिसी-नियंत्रित विफलताओं को समाप्त किया जा सके।
PatchRecall एक हाइब्रिड रिट्रीवल दृष्टिकोण है जो ऑटोमेटेड प्रोग्राम रिपेयर के लिए प्रासंगिक फाइलों के चयन में उच्च रिकॉल और संक्षिप्तता को संतुलित करने के लिए कोडबेस मिलान को इतिहास-आधारित विश्लेषण के साथ जोड़ता है, जिससे रिट्रीव की गई फाइलों की संख्या में महत्वपूर्ण वृद्धि किए बिना SWE-Bench जैसे बेंचमार्क पर प्रभावशीलता में सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि पुनरावृत्ति स्व-मरम्मत (iterative self-repair) HumanEval और MBPP बेंचमार्क पर विविध आधुनिक LLMs (Llama 3.1/3.3/4 और Gemini 2.5 परिवारों सहित) में कोड जनरेशन की सटीकता को महत्वपूर्ण रूप से बढ़ाती है, जो यह प्रकट करता है कि अधिकांश लाभ पहले दो प्रयासों के भीतर ही प्राप्त होते हैं, एसेर्शन एरर (assertion errors) को ठीक करना सबसे चुनौतीपूर्ण बना रहता है, और यहाँ तक कि छोटे 8B मॉडल भी फाइन-ट्यूनिंग के बिना केवल प्रॉम्प्टिंग का उपयोग करके प्रभावी ढंग से स्व-सुधार कर सकते हैं।
यह शोध पत्र "वाइब-ड्रिवन मॉडल-बेस्ड इंजीनियरिंग" को एक सहक्रियात्मक दृष्टिकोण के रूप में प्रस्तावित करता है जो जटिल सॉफ़्टवेयर सिस्टम विकसित करने के लिए प्राकृतिक भाषा पीढ़ी की गति को औपचारिक मॉडलों की विश्वसनीयता और संरचना के साथ संयोजित करने हेतु LLM-संचालित "वाइब कोडिंग" को पारंपरिक मॉडल-ड्रिवन इंजीनियरिंग के साथ एकीकृत करता है।