2627 पेपर
यह शोध पत्र ML-EcoLyzer को प्रस्तुत करता है, जो एक क्रॉस-फ्रेमवर्क टूल है जो विविध हार्डवेयर और मॉडलों में मशीन लर्निंग इन्फरेंस (inference) की पर्यावरणीय लागतों को मापता है, और यह प्रकट करता है कि क्वांटाइजेशन (quantization) स्थिरता में सुधार करता है जबकि उप-इष्टतम कार्यान्वयन (suboptimal implementations) छोटे मॉडलों को भी अक्षम बना सकते हैं।
यह अध्ययन 2015-2024 के 100 ICSE रेप्लिकेशन पैकेज का मूल्यांकन करता है और प्रकट करता है कि व्यापक आर्टिफैक्ट साझाकरण के बावजूद, केवल 40% पूरी तरह से निष्पादन योग्य हैं और उनमें से मात्र 35% ही मूल निष्कर्षों को सफलतापूर्वक पुनरुत्पादित कर पाते हैं, जो उपलब्धता और व्यावहारिक उपयोगिता के बीच एक महत्वपूर्ण अंतर को उजागर करता है जिसके लिए बेहतर तैयारी, दस्तावेजीकरण और समीक्षा दिशानिर्देशों की आवश्यकता है।
यह शोध पत्र ScaleSWE को प्रस्तुत करता है, जो एक स्वचालित मल्टी-एजेंट सिस्टम है जो 6 मिलियन पुल रिक्वेस्ट से अब तक का सबसे बड़ा सत्यापित वास्तविक दुनिया का सॉफ्टवेयर इंजीनियरिंग डेटासेट तैयार करता है, जिसका उपयोग एक ऐसे एजेंट को प्रशिक्षित करने के लिए किया जाता है जो SWE Bench Verified पर 64% रिज़ॉल्यूशन दर प्राप्त करता है—जो कि बेस मॉडल की तुलना में लगभग तीन गुना सुधार है।
यह विजन पेपर वर्तमान सॉफ्टवेयर निष्पक्षता परीक्षण में निहित सांस्कृतिक पूर्वाग्रहों, पश्चिमी-केंद्रित डेटा सीमाओं और नैतिक असमानताओं की आलोचना करता है, और उन मूल्यांकन ढांचों का समर्थन करता है जो सांस्कृतिक बहुलता और एल्गोरिद्मिक मध्यस्थता को अस्वीकार करने के अधिकार को स्वीकार करते हैं।
यह शोध पत्र MemCoder को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो ऐतिहासिक प्रोजेक्ट अनुभव को व्यवस्थित करके और आत्म-परिष्करण के लिए वास्तविक समय की प्रतिक्रिया का उपयोग करके कोड एजेंटों को मनुष्यों के साथ सह-विकसित होने में सक्षम बनाता है, जिससे SWE-bench Verified पर DeepSeek-V3.2 की तुलना में 9.4% के सुधार के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
एक परिचयात्मक स्नातक इंजीनियरिंग पाठ्यक्रम का यह केस स्टडी यह प्रकट करता है कि जहाँ जेनेरेटिव एआई (Generative AI) को एकीकृत करने से शुरू में छात्रों के प्रदर्शन में वृद्धि हुई और प्रशिक्षकों के लिए मूल्यवान अंतर्दृष्टि प्राप्त हुई, वहीं इस तकनीक का उपयोग सतही बना रहा और समय के साथ इसमें गिरावट आई, जो यह सुझाव देता है कि उभरते शैक्षिक उपकरणों की अनिश्चितताओं से निपटने के लिए संकाय प्रयोगों को प्रोत्साहित करना अत्यंत महत्वपूर्ण है।
VulnAgent-X एक लेयर्ड एजेंटिक फ्रेमवर्क है जो स्टेज्ड रिस्क स्क्रीनिंग, कॉन्टेक्स्ट एक्सपेंशन, स्पेशलाइज्ड एनालिसिस और डायनेमिक वेरिफिकेशन को एकीकृत करके रिपॉजिटरी-लेवल वल्नरेबिलिटी डिटेक्शन में सुधार करता है ताकि यह सटीकता, लोकलाइजेशन और इंटरप्रिटेबिलिटी में मौजूदा स्टैटिक और सिंगल-शॉट तरीकों से बेहतर प्रदर्शन कर सके।
यह शोध पत्र विशेषज्ञ मार्गदर्शन, विज़ुअलाइज़ेशन और लार्ज लैंग्वेज मॉडल सहयोग को एकीकृत करने वाले ह्यूमन-इन-द-लूप (HITL) दृष्टिकोणों के लिए एक व्यवस्थित अनुसंधान रोडमैप प्रस्तावित करके स्वचालित फज़ टेस्टिंग की सीमाओं को संबोधित करता है ताकि अधिक प्रभावी, संवादात्मक और बुद्धिमान फज़िंग सिस्टम बनाए जा सकें।
174 पेशेवर प्रतिक्रियाओं के विश्लेषण के माध्यम से, यह अध्ययन पांच प्रमुख विषयों की पहचान करता है—जो व्यावहारिक संरेखण से लेकर संस्थागत संस्कृति तक विस्तृत हैं—जो यह सुझाव देते हैं कि सॉफ्टवेयर इंजीनियरिंग प्रशिक्षण को परियोजना अभ्यास में स्थानांतरित करने में सुधार के लिए प्रणालीगत हस्तक्षेप आवश्यक हैं।
यह शोध पत्र EvoClaw को प्रस्तुत करता है, जो निरंतर सॉफ़्टवेयर विकास (continuous software evolution) पर AI एजेंटों का मूल्यांकन करने के लिए DeepCommit पाइपलाइन का उपयोग करने वाला एक नवीन बेंचमार्क है, जो एक महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है जहाँ एजेंटों की सफलता दर अलग-थलग कार्यों से दीर्घकालिक रखरखाव परिदृश्यों में काफी कम हो जाती है क्योंकि वे त्रुटि प्रसार (error propagation) और तकनीकी ऋण (technical debt) के साथ संघर्ष करते हैं।