2595 पेपर
यह अध्ययन एक मल्टी-लेबल एरर क्लासिफिकेशन फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है जो फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स को डीप लर्निंग आर्किटेक्चर के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि CodeT5+ और GRU मॉडल का संयोजन छात्रों द्वारा लिखे गए पायथन कोड के भीतर प्रोग्रामिंग त्रुटियों की पहचान करने में बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि सिस्टम प्रॉम्प्ट में आज्ञावाचक रूप (इम्पेरेटिव मूड) भाषा-निर्भर निर्देश टोपोलॉजी बनाता है—जो अंग्रेजी में सहयोगात्मक है लेकिन स्पेनिश में प्रतिस्पर्धी है—जो विभिन्न सामाजिक रजिस्टर परंपराओं के कारण होता है, जबकि निर्देशों को निश्चयात्मक रूप (डिक्लेरेटिव मूड) में फिर से लिखने से इस अंतर-भाषाई भिन्नता में काफी कमी आती है।
SEVerA एक तीन-चरणीय ढांचा है जो फॉर्मली गार्डेड जेनेरेटिव मॉडल्स (FGGM) के माध्यम से औपचारिक रूप से सत्यापित आउटपुट कॉन्ट्रैक्ट्स को स्केलेबल ग्रेडिएंट-आधारित अनुकूलन के साथ एकीकृत करके स्व-विकसित (self-evolving) LLM एजेंटों की सुरक्षा और शुद्धता सुनिश्चित करता है, जिससे प्रोग्राम सत्यापन और सिम्बोलिक मैथ सिंथेसिस जैसे कार्यों पर मौजूदा बेसलाइन से बेहतर प्रदर्शन करते हुए शून्य बाधा उल्लंघन (zero constraint violations) प्राप्त होता है।
यह व्यवस्थित साहित्य समीक्षा अनुभवजन्य साक्ष्य को संश्लेषित करती है ताकि यह प्रदर्शित किया जा सके कि एआई-जनित कोड की गुणवत्ता एक सामाजिक-तकनीकी परिणाम है जो मानवीय विशेषज्ञता, प्रॉम्प्ट डिज़ाइन और एआई सिस्टम की विशेषताओं के एक जटिल परस्पर प्रभाव से प्रभावित होती है, जिसके लिए सावधानीपूर्वक सत्यापन और विकास कार्यप्रवाहों में एकीकरण की आवश्यकता होती है।
यह शोधपत्र WebTestBench प्रस्तुत करता है, जो एक व्यापक बेंचमार्क और बेसलाइन फ्रेमवर्क है जिसे एंड-टू-एंड स्वचालित वेब परीक्षण में कंप्यूटर-उपयोग एजेंटों की क्षमताओं का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो टेस्ट पूर्णता, दोष पहचान (defect detection) और लॉन्ग-होरिज़न इंटरेक्शन विश्वसनीयता के संबंध में वर्तमान LLMs में महत्वपूर्ण अंतराल को उजागर करता है।
यह शोध पत्र QRep को प्रस्तुत करता है, जो एक स्वचालित दृष्टिकोण है जो गेट्स को संदिग्धता स्कोर (suspiciousness scores) प्रदान करके और सबसे संभावित उम्मीदवारों को प्राथमिकता देकर दोषपूर्ण क्वांटम सर्किट को पुनरावृत्ति (iteratively) के माध्यम से ठीक करता है, जो परीक्षण किए गए 70% सर्किटों को सफलतापूर्वक ठीक करने में सक्षम है और शेष में दोषों को प्रभावी ढंग से स्थानीयकृत (localize) करता है, साथ ही 13 क्विबिट्स तक की जटिल प्रणालियों तक स्केल भी करता है।
यह शोध पत्र SHAPR ढांचे को एक संरचित, पता लगाने योग्य और AI-निष्पादन योग्य प्रणाली के रूप में संचालित करता है जो कठोर, पारदर्शी और स्केलेबल अनुसंधान प्रथाओं को सक्षम करने के लिए पुनरावृत्ति चक्रों और संरचित ज्ञान इकाइयों (Structured Knowledge Units) के माध्यम से मानव-केंद्रित निर्णय लेने को AI-सहायता प्राप्त विकास के साथ एकीकृत करता है।
यह शोध पत्र U-Balance का प्रस्ताव करता है, जो एक पर्यवेक्षित (supervised) दृष्टिकोण है जो व्यवहार संबंधी अनिश्चितता का लाभ उठाकर उच्च-अनिश्चितता वाले सुरक्षित टेलीमेट्री विंडोज़ को संभाव्यता के आधार पर असुरक्षित के रूप में पुन: लेबल करता है, जिससे साइबर-फिजिकल सिस्टम्स में अत्यधिक क्लास असंतुलन को प्रभावी ढंग से पुन: संतुलित किया जाता है और सिंथेटिक डेटा उत्पन्न किए बिना सुरक्षा निगरानी प्रदर्शन में महत्वपूर्ण सुधार किया जाता है।
यह शोध पत्र 'किचन लूप' (Kitchen Loop) प्रस्तुत करता है, जो एक उत्पादन-परीक्षित ढांचा है जो उपयोगकर्ता विशिष्टताओं के एक एकीकृत विश्वास मॉडल, सिंथेटिक उच्च-आवृत्ति परीक्षण, ग्राउंड-ट्रुथ सत्यापन और ड्रिफ्ट नियंत्रण को जोड़कर सुरक्षित, स्वायत्त सॉफ्टवेयर विकास को सक्षम बनाता है ताकि शून्य रिग्रेशन के साथ 1,000 से अधिक मर्ज किए गए पुल रिक्वेस्ट प्राप्त किए जा सकें।
यह शोध पत्र RARe को पेश करता है, जो कोड समीक्षा जनरेशन के लिए एक रिट्रीवल-ऑगमेंटेड फ्रेमवर्क है जो इन-कॉन्टेक्स्ट उदाहरणों के रूप में ऐतिहासिक समीक्षाओं का लाभ उठाता है, जिससे यह पता चलता है कि केवल सबसे प्रासंगिक एकल उदाहरण को रिट्रीव करने से कई रिट्रीव किए गए आइटम्स का उपयोग करने की तुलना में बेहतर प्रदर्शन प्राप्त होता है क्योंकि इससे रेडंडेंसी और विरोधाभासी संकेतों में कमी आती है।