2564 पेपर
यह विजन पेपर सॉफ्टवेयर इंजीनियरिंग अनुसंधान में ट्रांसपोर्टेबिलिटी (transportability) विधियों को प्रायोगिक और अवलोकनात्मक डेटा को संयोजित करने के एक सिद्धांतपूर्ण दृष्टिकोण के रूप में प्रस्तुत करता है ताकि सैंपलिंग सीमाओं को दूर किया जा सके, जिससे नियंत्रित प्रयोग के परिणामों की बाह्य वैधता और व्यावहारिक प्रयोज्यता को बढ़ाया जा सके।
यह शोध पत्र एक एकीकृत सिस्टम-स्तरीय ढांचे को प्रस्तुत करता है जो यह तर्क देता है कि व्यावहारिक एलएलएम (LLM) एजेंटों की प्रगति केवल मॉडल वेट्स (weights) में सुधार करने के बजाय, हारनेस इंजीनियरिंग द्वारा समन्वित मेमोरी, स्किल्स और प्रोटोकॉल में संज्ञानात्मक बोझ को बाहरीकृत करने पर तेजी से निर्भर करती है।
यह शोध पत्र CIAO को प्रस्तुत करता है, जो एक संरचित, मानकों-आधारित वर्कफ़्लो है जो GitHub रिपॉजिटरी से सुसंगत, सिस्टम-स्तरीय आर्किटेक्चरल दस्तावेज़ों को स्वचालित रूप से उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिसे डेवलपर्स डायग्राम की गुणवत्ता और डिप्लॉयमेंट व्यू में कुछ सीमाओं के बावजूद मूल्यवान और सटीक पाते हैं।
यह शोध पत्र GitHub Copilot के संबंध में चार प्राथमिक सुरक्षा चिंताओं—डेटा रिसाव (data leakage), कोड लाइसेंसिंग, प्रतिकूल हमले (adversarial attacks), और असुरक्षित कोड सुझावों—की पहचान करने के लिए Stack Overflow, Reddit और Hacker News से ऑनलाइन चर्चाओं का विश्लेषण करता है, जिससे सॉफ्टवेयर विकास के लिए जनरेटिव AI के उपयोग में महत्वपूर्ण सीमाओं और समझौतों को रेखांकित किया गया है।
यह अध्ययन C, C++ और Python में 509 इंटरप्रोसिजरल (interprocedural) कमजोरियों पर चार आधुनिक LLMs का अनुभवजन्य मूल्यांकन करता है, जो यह प्रदर्शित करता है कि कॉलर (caller) और कैली (callee) संदर्भ को शामिल करने से पहचान प्रभावशीलता में महत्वपूर्ण वृद्धि होती है और Gemini 3 Flash सर्वोत्तम लागत-प्रभावशीलता प्रदान करता है जबकि Claude Haiku 4.5 सटीक पहचान और स्पष्टीकरण में उत्कृष्ट है।
यह शोध पत्र sciwrite-lint को प्रस्तुत करता है, जो एक ओपन-सोर्स, स्थानीय सत्यापन उपकरण है जो संदर्भ अखंडता और उद्धरण समर्थन की जाँच करके वैज्ञानिक पांडुलिपियों को स्वचालित रूप से मान्य करने के लिए एआई (AI) का उपयोग करता है, साथ ही वैज्ञानिक तर्कों की दार्शनिक सुदृढ़ता का कम्प्यूटेशनल रूप से आकलन करने के लिए एक प्रयोगात्मक "SciLint स्कोर" का प्रस्ताव भी करता है।
यह शोध पत्र पहला अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रकट करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) NumPy जैसी लोकप्रिय लाइब्रेरी और पायथन भाषा के प्रति गहरा पूर्वाग्रह प्रदर्शित करते हैं, जो अक्सर कार्य-विशिष्ट इष्टतमता के बजाय परिचितता को प्राथमिकता देते हैं और प्रशिक्षण एवं मूल्यांकन में लक्षित सुधारों को आवश्यक बनाते हैं।
यह शोध पत्र VisCoder2 को प्रस्तुत करता है, जो बड़े पैमाने के VisCode-Multi-679K डेटासेट पर प्रशिक्षित बहु-भाषा विज़ुअलाइज़ेशन कोडिंग मॉडल्स का एक परिवार है और जिसे VisPlotBench के माध्यम से मूल्यांकित किया गया है, जो 12 प्रोग्रामिंग भाषाओं में इटरेटिव सेल्फ-डीबगिंग के माध्यम से मौजूदा ओपन-सोर्स बेसलाइन से काफी बेहतर प्रदर्शन करता है और प्रोप्राइटरी मॉडल के प्रदर्शन के करीब पहुँचता है।
एडेफ्लो (EditFlow) डेटा संग्रह और सिमुलेशन चुनौतियों से पार पाने के लिए टेम्पोरल एडिटिंग फ्लो (temporal editing flows) का पुनर्निर्माण करके, एआई कोड एडिटिंग की सटीकता और डेवलपर उत्पादकता के बीच के अंतर को संबोधित करता है, जिससे अनुशंसा प्रणालियों (recommendation systems) को डेवलपर्स की स्वाभाविक मानसिक प्रक्रियाओं के साथ संरेखित करने के लिए अनुकूलित करना सक्षम बनाया जा सके।
यह शोध पत्र तर्क देता है कि पारंपरिक क्लोज्ड-वर्ल्ड (बंद-विश्व) सॉफ्टवेयर परीक्षण धारणाएं आधुनिक गतिशील प्रणालियों के लिए अपर्याप्त हैं, और ओपन-वर्ल्ड (खुले-विश्व) खेलों को एक चरम उदाहरण के रूप में उपयोग करते हुए अनिश्चितता, गैर-नियतिवाद और विकसित होती स्थितियों के तहत व्यवहार के लक्षण वर्णन पर केंद्रित एक नए परीक्षण प्रतिमान का प्रस्ताव देता है।