2595 पेपर
यह शोध पत्र ऑटोनॉमस अंडरवॉटर रोबोट (AUR) सॉफ्टवेयर के भीतर पानी के नीचे के कचरे का पता लगाने के लिए विजन-लैंग्वेज मॉडल्स (VLMs) का एक अनुभवजन्य मूल्यांकन प्रस्तुत करता है, जो चुनौतीपूर्ण समुद्री वातावरण के लिए मजबूत धारणा मॉड्यूल चुनने में सॉफ्टवेयर इंजीनियरों का मार्गदर्शन करने हेतु उनके प्रदर्शन और अनिश्चितता का आकलन करता है।
यह शोध पत्र एक सांख्यिकीय प्रतिगमन ढांचे (statistical regression framework) को प्रस्तुत करता है जो यह मात्रात्मक रूप से निर्धारित करता है कि विशिष्ट प्रॉम्प्ट घटक बड़े भाषा मॉडल (large language model) के प्रदर्शन को कैसे प्रभावित करते हैं, जिससे यह पता चलता है कि जबकि गलत उदाहरण अंकगणितीय कार्यों की सफलता में महत्वपूर्ण रूप से बाधा डालते हैं, सकारात्मक और नकारात्मक निर्देश विरोधाभासी प्रभाव उत्पन्न करते हैं जो विभिन्न मॉडलों के अनुसार भिन्न होते हैं।
यह शोधपत्र NBRewind को प्रस्तुत करता है, जो एक ड्यूल-कर्नेल सिस्टम है जो सेल-स्तरीय चेकपॉइंटिंग और आंशिक पुन: निष्पादन के लिए डेटा-फ्लो विश्लेषण का लाभ उठाकर नोटबुक में वितरित वर्कफ़्लो के कुशल, पुनरुत्पादक और वृद्धिशील निष्पादन को सक्षम बनाता है।
यह शोध पत्र ETNA को प्रस्तुत करता है, जो एक विस्तार योग्य मूल्यांकन प्लेटफॉर्म है जिसे कई प्रोग्रामिंग भाषाओं में प्रॉपर्टी-आधारित टेस्टिंग फ्रेमवर्क और रणनीतियों की अनुभवजन्य तुलना करने के लिए डिज़ाइन किया गया है, जिससे मौजूदा साहित्य में कठोर तुलनाओं की कमी को दूर किया जा सके ताकि उपयोगकर्ताओं को सूचित निर्णय लेने में मदद मिल सके।
यह शोध पत्र एनसेंबल सिमेंटिक एंट्रॉपी (ESE) का प्रस्ताव करता है, जो एक एकल मॉडल के बजाय मॉडलों के एक एनसेंबल में सिमेंटिक निरंतरता को एकत्रित करके प्रोग्राम शुद्धता अनिश्चितता का अनुमान लगाने की एक विधि है, जिससे भविष्यवाणी सटीकता में महत्वपूर्ण सुधार होता है और एक अधिक कुशल टेस्ट-टाइम स्केलिंग फ्रेमवर्क सक्षम होता है जो प्रदर्शन बनाए रखते हुए कम्प्यूटेशनल लागत को कम करता है।
यह शोध पत्र एक बड़े पैमाने का अनुभवजन्य अध्ययन प्रस्तुत करता है जो वास्तविक दुनिया के रिपॉजिटरीज़ में AI-जनित कोड की विशेषताओं और प्रभाव का विश्लेषण करने के लिए LLM वर्गीकरण के साथ एक नवीन ह्यूरिस्टिक फ़िल्टर का उपयोग करता है, जो मानव-लिखित कोड से प्रमुख अंतरों और विकास प्रथाओं पर इसके प्रभाव को प्रकट करता है।
SCOPE एक नवीन स्व-सुधारात्मक ऑनलाइन लॉग पार्सिंग विधि है जो उच्च सटीकता और दक्षता प्राप्त करने के लिए एक द्वि-दिशीय वृक्ष संरचना को दो-चरणीय वाक्यात्मक-अर्थगत सहयोग ढांचे के साथ जोड़ती है, जिसमें प्रारंभिक मिलान के लिए हल्के एनएलपी (NLP) मॉडल का उपयोग किया जाता है और केवल जटिल मामलों के लिए ही एलएलएम (LLM) को चुनिंदा रूप से बुलाया जाता है।
यह शोध पत्र 1,154 डेवलपर चर्चाओं का एक गुणात्मक विश्लेषण प्रस्तुत करता है जो दर्शाता है कि सॉफ्टवेयर विकास में "AI स्लॉप" (AI slop) समीक्षकों पर बोझ डालकर, कोड की गुणवत्ता को कम करके और पेशेवर शिल्प को क्षीण करके एक 'साझा त्रासदी' (tragedy of the commons) उत्पन्न करता है, साथ ही डेवलपर की चिंताओं और शमन रणनीतियों के बारे में अंतर्दृष्टि प्रदान करता है।
Codebase-Memory एक ओपन-सोर्स सिस्टम है जो कोडबेस के स्थायी नॉलेज ग्राफ (knowledge graphs) बनाने के लिए Tree-Sitter और Model Context Protocol का लाभ उठाता है, जिससे LLM एजेंटों के लिए उत्तर की गुणवत्ता को प्रतिस्पर्धी बनाए रखते हुए, टोकन खपत और टूल कॉल्स को काफी कम करके जटिल रिपॉजिटरीज़ को एक्सप्लोर करना संभव हो जाता है।
यह शोध पत्र एक मल्टी-एजेंट एआई सिस्टम प्रस्तुत करता है जो स्टैटिक एनालिसिस को एआई प्लानिंग और कोडिंग एजेंटों के साथ जोड़कर डीप लर्निंग मॉडल्स के टेन्सरफ्लो से जैक्स (JAX) में माइग्रेशन को स्वचालित करता है, जिससे बड़े पैमाने के व्यावसायिक वातावरण में एआई-संचालित मूल्यांकन के माध्यम से कोड की गुणवत्ता सुनिश्चित करते हुए 6.4x से 8x की गति वृद्धि प्राप्त होती है।