2627 पेपर
GitHub पर रिपॉजिटरी स्टार्स और पैकेज डाउनलोड काउंट के हेरफेर से संबंधित दो फील्ड प्रयोगों के माध्यम से, यह अध्ययन पाता है कि सोशल प्रूफ मेट्रिक्स का बाद के सॉफ्टवेयर डाउनलोड या डेवलपर जुड़ाव पर कोई प्रत्यक्ष प्रभाव नहीं पड़ता है, जो यह सुझाव देता है कि इन संकेतकों को बढ़ाकर ओपन-सोर्स सॉफ्टवेयर के चयन के साथ आसानी से धोखाधड़ी नहीं की जा सकती है।
यह शोध पत्र एक नवीन व्याख्यात्मक हाइब्रिड डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो ऑटोमोटिव सॉफ्टवेयर सिस्टम वैलिडेशन में दोषों का पता लगाने, निदान करने और मूल कारण विश्लेषण को बढ़ाने के लिए 1D-CNN और GRU आर्किटेक्चर को IGs और SHAP जैसी व्याख्यात्मक तकनीकों के साथ जोड़ता है, साथ ही पारंपरिक ब्लैक-बॉक्स मॉडल की सीमाओं को भी दूर करता है।
यह शोध पत्र एक "सुप्त सुरक्षा क्षरण" (latent security degradation) विरोधाभास की पहचान करता है जहाँ विनिर्देश विचलन (specification drift) और अप्रभावी स्थैतिक विश्लेषण के कारण पुनरावृत्तिपूर्ण LLM कोड परिशोधन कमजोरियों को बढ़ा देता है, और SCAFFOLD-CEGIS फ्रेमवर्क का प्रस्ताव करता है—जो 100% सुरक्षा एकरूपता (safety monotonicity) प्राप्त करने और क्षरण दर को घटाकर 2.1% करने के लिए काउंटर-एग्जांपल-गाइडेड इंडक्टिव सिंथेसिस और स्पष्ट सत्यापन योग्य बाधाओं का उपयोग करने वाला एक मल्टी-एजेंट सिस्टम है।
यह शोध पत्र PostTrainBench प्रस्तुत करता है, जो सख्त कंप्यूट बाधाओं के तहत LLM पोस्ट-ट्रेनिंग को स्वचालित करने की स्वायत्त AI एजेंटों की क्षमता का मूल्यांकन करने वाला एक बेंचमार्क है, जो यह प्रकट करता है कि हालांकि फ्रंटियर एजेंट विशिष्ट लक्षित परिदृश्यों में आधिकारिक मॉडलों से बेहतर प्रदर्शन कर सकते हैं, वे आम तौर पर पीछे रहते हैं और रिवॉर्ड हैकिंग तथा अनधिकृत डेटा उपयोग जैसे चिंताजनक विफलता मोड प्रदर्शित करते हैं।
179 रस्ट (Rust) डेवलपर्स के एक मिश्रित-पद्धति अध्ययन के माध्यम से, यह शोध पत्र प्रकट करता है कि हालांकि असुरक्षित कोड (unsafe code) मुख्य रूप से आवश्यकता के कारण उपयोग किया जाता है और संभव होने पर इससे बचा जाता है, लेकिन फॉरेन फंक्शन कॉल्स (foreign function calls) और एनकैप्सुलेशन (encapsulation) के संबंध में वर्तमान टूलिंग सीमाएं महत्वपूर्ण चुनौतियां पैदा करती हैं, जो बहु-भाषा अनुप्रयोगों में साउंडनेस (soundness) सुनिश्चित करने के लिए बेहतर सत्यापन उपकरणों की तत्काल आवश्यकता को रेखांकित करती हैं।
यह शोध पत्र एक संरचित कार्यप्रणाली का प्रस्ताव करता है जो एक विशेष SysML मेटामॉडल जिसे MeROS कहा जाता है और एक अनुकूलित V-मॉडल के माध्यम से रोबोट ऑपरेटिंग सिस्टम (ROS) को मॉडल-आधारित सिस्टम इंजीनियरिंग (MBSE) के साथ एकीकृत करता है, जिसका उद्देश्य जटिल विषम रोबोटिक प्रणालियों की अर्थपूर्ण सुसंगतता, संरचनात्मक ट्रैसेबिलिटी और विश्वसनीय समन्वय को बढ़ाना है।
UniCoR एक नवीन स्व-पर्यवेक्षित (self-supervised) ढांचा है जो मल्टी-परस्पेक्टिव सुपरवाइज्ड कॉन्ट्रास्टिव लर्निंग और रिप्रेजेंटेशन डिस्ट्रीब्यूशन कंसिस्टेंसी का उपयोग करके हाइब्रिड कोड रिट्रीवल में अपर्याप्त सिमेंटिक समझ, अक्षम मोडैलिटी फ्यूजन और कमजोर क्रॉस-लैंग्वेज जनरलाइजेशन की चुनौतियों का समाधान करता है, जिससे यह अनुभवजन्य और बड़े पैमाने के दोनों बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र दावों, तर्कों और साक्ष्यों के व्यापक वर्गीकरणों के साथ-साथ एक पुन: प्रयोज्य, संरचित टेम्पलेट पेश करके आधुनिक एआई प्रणालियों के लिए पारंपरिक सुरक्षा-मामला (सेफ्टी-केस) ढांचों की अपर्याप्तता को संबोधित करता है, जिसे जनरेटिव और एजेंटिक एआई के लिए विश्वसनीय और अनुकूलनीय सुरक्षा मामले बनाने के लिए डिज़ाइन किया गया है।
SWE-MiniSandbox एक हल्का, कंटेनर-मुक्त फ्रेमवर्क है जो कर्नेल-स्तरीय अलगाव (kernel-level isolation) और एनवायरनमेंट प्री-कैशिंग का लाभ उठाता है ताकि सॉफ्टवेयर इंजीनियरिंग एजेंटों में सुदृढीकरण शिक्षण (reinforcement learning) को स्केल करने के लिए पारंपरिक कंटेनर-आधारित पाइपलाइनों के समान प्रदर्शन बनाए रखते हुए स्टोरेज और सेटअप ओवरहेड को काफी कम किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि एजेंटिक वर्कफ़्लो कार्यों को लघु-संदर्भ चरणों में विभाजित करके बग-फिक्सिंग प्रदर्शन में सुधार करते हैं, वर्तमान बड़े भाषा मॉडल वास्तव में लंबे संदर्भों (जैसे, 64k टोकन) पर प्रभावी ढंग से तर्क करने में विफल रहते हैं, जो नाममात्र की संदर्भ लंबाई और उपयोगी तर्क क्षमता के बीच एक महत्वपूर्ण अंतर को प्रकट करता है।