🛠️ Category

cs.SE

2568 पेपर

🤖 machine learning

SDVDiag: Using Context-Aware Causality Mining for the Diagnosis of Connected Vehicle Functions

यह शोध पत्र SDVDiag को प्रस्तुत करता है, जो कनेक्टेड वाहन कार्यों के लिए एक मल्टीमॉडल डायग्नोस्टिक फ्रेमवर्क है जो विशुद्ध रूप से डेटा-संचालित विधियों की तुलना में कारण संबंधी त्रुटि पहचान की सटीकता और सिस्टम व्याख्यात्मकता में महत्वपूर्ण सुधार करने के लिए मानव फीडबैक से सुदृढीकरण लर्निंग (Reinforcement Learning from Human Feedback) को डिस्ट्रिब्यूटेड ट्रेसिंग और डोमेन विशेषज्ञता के साथ जोड़ता है।

Matthias Weiß, Falk Dettinger, Elias Detrois, Nasser Jazdi, Michael Weyrich2026-04-07
🤖 machine learning

Agile Story-Point Estimation: Is RAG a Better Way to Go?

यह अध्ययन 23 ओपन-सोर्स प्रोजेक्ट्स में रिट्रीवल ऑगमेंटेड जनरेशन (RAG) का उपयोग करके एजाइल स्टोरी-पॉइंट एस्टीमेशन को स्वचालित करने की व्यवहार्यता की जांच करता है, जिसमें यह पाया गया कि हालांकि RAG अक्सर बेसलाइन मॉडल से बेहतर प्रदर्शन करता है, फिर भी यह विभिन्न प्रोजेक्ट आकारों या एम्बेडिंग मॉडलों में सटीकता में सांख्यिकीय रूप से महत्वपूर्ण सुधार प्रदर्शित नहीं करता है, जो आगे के शोधन की आवश्यकता को दर्शाता है।

Lamyea Maha, Tajmilur Rahman, Chanchal Roy2026-04-07
🤖 AI

Measuring LLM Trust Allocation Across Conflicting Software Artifacts

यह शोध पत्र TRACE प्रस्तुत करता है, जो इस बात का मूल्यांकन करने के लिए एक ढांचा है कि LLM परस्पर विरोधी सॉफ़्टवेयर आर्टिफ़ैक्ट्स के बीच विश्वास कैसे आवंटित करते हैं, जिससे यह पता चलता है कि जबकि मॉडल दस्तावेज़ीकरण की त्रुटियों और विरोधाभासों का प्रभावी ढंग से पता लगाते हैं, वे सूक्ष्म कार्यान्वयन विचलन (implementation drifts) को पहचानने में व्यवस्थित रूप से दृष्टिहीनता प्रदर्शित करते हैं और खराब कैलिब्रेटेड आत्मविश्वास से ग्रस्त होते हैं।

Noshin Ulfat, Ahsanul Ameen Sabit, Soneya Binta Hossain2026-04-07
🤖 AI

Inside the Scaffold: A Source-Code Taxonomy of Coding Agent Architectures

यह शोधपत्र LLM-आधारित कोडिंग एजेंटों के लिए एक सोर्स-कोड-स्तरीय वास्तुशिल्प वर्गीकरण (टैक्सोनॉमी) प्रस्तुत करता है, जो 12 आयामों में 13 ओपन-सोर्स स्कैफोल्ड्स के विश्लेषण से व्युत्पन्न है, ताकि यह प्रकट किया जा सके कि कैसे कंपोजेबल कंट्रोल प्रिमिटिव्स और कॉन्टेक्स्ट एवं स्टेट मैनेजमेंट में विविध डिज़ाइन विकल्प, अमूर्त क्षमता वर्गीकरणों से परे, एजेंट के व्यवहार को आकार देते हैं।

Benjamin Rombaut2026-04-07
🤖 AI

AgenticFlict: A Large-Scale Dataset of Merge Conflicts in AI Coding Agent Pull Requests on GitHub

यह शोधपत्र AgenticFlict को प्रस्तुत करता है, जो GitHub से 142,000 से अधिक AI कोडिंग एजेंट पुल रिक्वेस्ट का एक बड़े पैमाने का डेटासेट है, जो 27.67% मर्ज कॉन्फ्लिक्ट दर को प्रकट करता है और AI-सहायता प्राप्त सॉफ्टवेयर विकास में एकीकरण चुनौतियों को बेहतर ढंग से समझने और प्रबंधित करने के लिए सूक्ष्म विश्लेषण प्रदान करता है।

Daniel Ogenrwot, John Businge2026-04-07
💻 computer science

From UI to Code: Mobile Ads Detection via LLM-Unified Static-Dynamic Analysis

यह शोध पत्र ADWISE प्रस्तुत करता है, जो एक नवीन ढांचा है जो जटिल, गतिशील रूप से रेंडर किए गए UI में मोबाइल विज्ञापनों का प्रभावी ढंग से पता लगाने और नियामक उल्लंघनों को उजागर करने के लिए विंडो ट्रांज़िशन, सिमेंटिक और स्ट्रक्चरल संकेतों द्वारा निर्देशित एक ग्राउंडेड LLM रीजनिंग लूप के साथ स्टैटिक प्रोग्राम एनालिसिस को जोड़ता है।

Shang Ma, Wei Cheng, Yanfang Ye, Xusheng Xiao2026-04-07
💻 computer science

DebugHarness: Emulating Human Dynamic Debugging for Autonomous Program Repair

DebugHarness एक स्वायत्त LLM-संचालित एजेंट है जो केवल स्थैतिक कोड विश्लेषण (static code analysis) पर निर्भर रहने के बजाय—सक्रिय रूप से रनटाइम अवस्थाओं की जांच करने और परिकल्पनाओं को पुनरावृत्ति से मान्य करने—मानव गतिशील डिबगिंग प्रथाओं का अनुकरण करके जटिल मेमोरी सुरक्षा कमजोरियों के लिए स्वचालित प्रोग्राम रिपेयर में महत्वपूर्ण सुधार करता है।

Maolin Sun, Yibiao Yang, Xuanlin Liu, Yuming Zhou, Baowen Xu2026-04-07
🤖 AI

AutoReSpec: A Framework for Generating Specification using Large Language Models

AutoReSpec एक सहयोगात्मक ढांचा है जो जावा प्रोग्रामों के लिए स्वचालित रूप से सत्यापन योग्य औपचारिक विनिर्देश (formal specifications) उत्पन्न करने के लिए अनुकूलन योग्य प्रॉम्प्टिंग और वैलिडेटर फीडबैक के साथ लार्ज लैंग्वेज मॉडल्स को गतिशील रूप से चुनता है और जोड़ता है, जिससे मौजूदा विधियों की तुलना में बेहतर सफलता दर, पूर्णता और दक्षता प्राप्त होती है।

Ragib Shahariar Ayon, Shibbir Ahmed2026-04-07
💻 computer science

COBOLAssist: Analyzing and Fixing Compilation Errors for LLM-Powered COBOL Code Generation

यह शोध पत्र COBOLAssist को प्रस्तुत करता है, जो एक पुनरावृत्ति ढांचा (iterative framework) है जो LLM-जनित COBOL कोड की सिंटैक्स और कार्यात्मक शुद्धता में महत्वपूर्ण सुधार करने के लिए संकलन फीडबैक (compilation feedback) का लाभ उठाता है, जिससे उन्नत मॉडलों के लिए संकलन सफलता दर 29.5% जैसे निम्न स्तर से बढ़कर 95% से अधिक हो जाती है, जबकि कार्यात्मक सटीकता में निरंतर बनी रहने वाली चुनौतियों को भी रेखांकित करती है।

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen2026-04-07
💻 computer science

COBOL-Coder: Domain-Adapted Large Language Models for COBOL Code Generation and Translation

यह शोध पत्र COBOL-Coder को प्रस्तुत करता है, जो एक स्वचालित डेटा क्यूरेशन पाइपलाइन के माध्यम से विकसित एक डोमेन-अनुकूलित लार्ज लैंग्वेज मॉडल है, जो बेंचमार्क मेट्रिक्स और विशेषज्ञ डेवलपर सर्वेक्षणों द्वारा प्रमाणित, COBOL कोड जनरेशन और जावा-COBOL ट्रांसलेशन कार्यों में सामान्य-उद्देश्य वाले LLMs की तुलना में काफी बेहतर प्रदर्शन करता है।

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen2026-04-07