2627 पेपर
यह शोध पत्र Marauder को प्रस्तुत करता है, जो एक डिक्लेरेटिव फ्रेमवर्क है जो परीक्षण उपकरणों के मूल्यांकन के लिए म्यूटेंट्स के कुशल, अभिव्यंजक और हानिरहित प्रबंधन को सक्षम करने हेतु एक सामान्य मध्यवर्ती रूप और एक म्यूटेशन बीजगणित के माध्यम से विविध हस्तनिर्मित म्यूटेशन निरूपणों को एकीकृत करता है।
यह अध्ययन एक बहुआयामी मूल्यांकन ढांचे को स्थापित करने के लिए आर्किटेक्चरल डिसीजन रिकॉर्ड जनरेशन पर दस छोटे भाषा मॉडलों का बेंचमार्किंग करता है, जिससे यह पता चलता है कि 3 बिलियन से अधिक पैरामीटर वाले मॉडल ज़ीरो-शॉट रीजनिंग में उत्कृष्ट होते हैं जबकि 2 बिलियन से कम वाले मॉडल फाइन-ट्यूनिंग से सबसे अधिक लाभान्वित होते हैं, और यह भी कि उच्च सिमेंटिक विविधता अक्सर मतिभ्रम (hallucinations) के साथ सहसंबंधित होने के बावजूद, फ्यू-शॉट प्रॉम्प्टिंग मध्यम आकार के मॉडलों को प्रभावी ढंग से कैलिब्रेट करती है।
यह शोध पत्र एक हाइब्रिड लर्निंग-टू-रैंकक (Learning-to-Rank) अनुशंसा प्रणाली प्रस्तावित करता है जो डेवलपर्स को सॉफ्टवेयर बग समाधान प्रभावी ढंग से रिकमेंड करने के लिए स्टैक ओवरफ्लो (Stack Overflow) से डीप लर्निंग और सोशल कॉन्टेक्स्ट एम्बेडिंग्स का लाभ उठाती है, जिससे टॉप 10 परिणामों में लगभग 78% सटीकता प्राप्त होती है।
यह अनुभवजन्य अध्ययन प्रदर्शित करता है कि परिनियोजन-प्रेरित प्रॉम्प्टिंग बाधाएं चार बड़े भाषा मॉडलों में साइटेशन मतिभ्रम (citation hallucinations) को महत्वपूर्ण रूप से बढ़ा देती हैं, जिसमें कोई भी मॉडल 47.5% से अधिक साइटेशन अस्तित्व दर प्राप्त नहीं कर सका और unverifiable आउटपुट का एक बड़ा हिस्सा मनगढ़ंत था, जिससे शैक्षणिक और सॉफ्टवेयर इंजीनियरिंग संदर्भों में पोस्ट-हॉक सत्यापन की महत्वपूर्ण आवश्यकता रेखांकित होती है।
इको (Echo) एक उन्नत एजेंट है जो कोड ग्राफ, स्वचालित क्वेरी परिशोधन और निष्पादन फीडबैक का लाभ उठाकर एकल, उच्च-गुणवत्ता वाले इश्यू रिप्रोडक्शन टेस्ट केस उत्पन्न करता है, जिससे SWT-Bench Verified डेटासेट पर 66.28% की नई अत्याधुनिक सफलता दर प्राप्त होती है।
यह अध्ययन इस बात की जांच करता है कि कैसे रिमोट और हाइब्रिड कार्य वातावरण रिग्रेशन टेस्टिंग प्रथाओं को नया रूप देते हैं, जो यह प्रकट करता है कि जबकि मुख्य चरण स्थिर बने रहते हैं, सफल निष्पादन तेजी से संचार चुनौतियों से निपटने और एसिंक्रोनस सहयोग (asynchronous collaboration) को समर्थन देने के लिए ऑटोमेशन, दस्तावेज़ीकरण और मानकीकृत टूलिंग पर निर्भर करता है।
43 अध्ययनों का यह व्यवस्थित अवलोकन प्रकट करता है कि जबकि सहानुभूति को सॉफ्टवेयर इंजीनियरों के लिए एक महत्वपूर्ण क्षमता के रूप में तेजी से पहचाना जा रहा है, शिक्षा में इसका एकीकरण खंडित बना हुआ है, जो सहयोग, नैतिकता और समावेशी डिजाइन को बढ़ाने के लिए सहानुभूति को एक परिधीय सॉफ्ट स्किल से एक संरचित, मापने योग्य शैक्षणिक घटक के रूप में विकसित करने का आह्वान करता है।
यह शोध पत्र 500 से अधिक मॉडलों का मूल्यांकन करने वाला पहला व्यापक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि ग्राफ-आधारित कोड प्रतिनिधित्व पैच की शुद्धता की भविष्यवाणी करने में अन्य विधियों की तुलना में लगातार बेहतर प्रदर्शन करते हैं, जिससे स्वचालित प्रोग्राम मरम्मत उपकरणों की प्रभावशीलता में महत्वपूर्ण सुधार होता है।
यह अध्ययन इस बात की जांच करता है कि पायथन और जावास्क्रिप्ट में कोड ओब्फस्केशन (code obfuscation) के विभिन्न स्तर मानव प्रोग्राम समझ को कैसे प्रभावित करते हैं, जो यह प्रकट करता है कि हालांकि ओब्फस्केशन आम तौर पर तर्क करने के समय को बढ़ाता है और सटीकता को कम करता है, इसका प्रभाव गैर-एकदिष्ट (non-monotonic) और भाषा-विशिष्ट है, जिसमें मध्यम विचारशीलता प्रदर्शन में सुधार करती है और विशिष्ट भाषाओं के भीतर अनुभव, भाषाओं के बीच की तुलना में अधिक महत्वपूर्ण सिद्ध होता है।
चार एआई-केंद्रित टीमों के पेशेवरों के साथ 25 साक्षात्कारों के ग्राउंडेड थ्योरी विश्लेषण के माध्यम से, यह अध्ययन प्रदर्शित करता है कि टीम विविधता पूर्वाग्रह की पहचान के लिए दृष्टिकोणों को विविध बनाकर, सहानुभूति को बढ़ावा देकर, प्रणालीगत भेदभाव को संबोधित करके और समावेशी निर्णय लेने को प्रोत्साहित करके एआई सिस्टम विकास को महत्वपूर्ण रूप से बढ़ाती है।