cs.SE

HQP: Sensitivity-Aware Hybrid Quantization and Pruning for Ultra-Low-Latency Edge AI Inference

SVRepair: Structured Visual Reasoning for Automated Program Repair

SVRepair एक मल्टीमॉडल स्वचालित प्रोग्राम रिपेयर फ्रेमवर्क है जो विज़ुअल बग रिपोर्ट्स और कोड फिक्स के बीच के सिमेंटिक गैप को भरने के लिए विषम विज़ुअल आर्टिफ़ेक्ट्स को स्ट्रक्चर्ड सिमेंटिक सीन ग्राफ में रूपांतरित करता है ताकि फॉल्ट लोकलाइज़ेशन और पैच सिंथेसिस को बढ़ाया जा सके, जिससे कई बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।

TraceCoder: A Trace-Driven Multi-Agent Framework for Automated Debugging of LLM-Generated Code

TraceCoder एक ट्रेस-संचालित मल्टी-एजेंट फ्रेमवर्क है जो कारण विश्लेषण (causal analysis) के लिए सूक्ष्म रनटाइम ट्रेसेस, दोहराव वाली विफलताओं से बचने के लिए एक ऐतिहासिक सबक सीखने वाले तंत्र (historical lesson learning mechanism), और निरंतर सुधार सुनिश्चित करने के लिए एक रोलबैक रणनीति का लाभ उठाकर LLM-जनरेटेड कोड की स्वचालित डिबगिंग को बढ़ाता है, जिससे मौजूदा बेसलाइन्स की तुलना में सटीकता और लागत-दक्षता में महत्वपूर्ण लाभ प्राप्त होता है।

RAG4Tickets: AI-Powered Ticket Resolution via Retrieval-Augmented Generation on JIRA and GitHub Data

यह शोध पत्र RAG4Tickets का प्रस्ताव करता है, जो एक AI-संचालित फ्रेमवर्क है जो संदर्भ-जागरूक, साक्ष्य-आधारित टिकट समाधान अनुशंसाएँ प्रदान करने के लिए रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) का उपयोग करके JIRA और GitHub डेटा को एकीकृत करता है, जिससे सॉफ्टवेयर विकास वर्कफ़्लो में सटीकता और दक्षता में महत्वपूर्ण सुधार होता है।

Fine-tuned LLM-based Code Migration Framework

यह शोध पत्र एक फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल फ्रेमवर्क प्रस्तुत करता है जो पारंपरिक इंजीनियरिंग तकनीकों, पुनरावृत्ति त्रुटि विश्लेषण और विशेषज्ञ फीडबैक को एकीकृत करके Oracle PL/SQL से PostgreSQL में SQL-आधारित सिस्टम के माइग्रेशन को प्रभावी ढंग से स्वचालित करता है, जिससे सिंटैक्स त्रुटियों को काफी कम किया जा सके और डेटाबेस लॉजिक को अनुकूलित किया जा सके।

Applying a Requirements-Focused Agile Management Approach for Machine Learning-Enabled Systems

यह शोध पत्र RefineML के व्यावहारिक अनुप्रयोग और मूल्यांकन को प्रस्तुत करता है, जो मशीन लर्निंग-सक्षम प्रणालियों के लिए विशेष रूप से तैयार किया गया एक आवश्यकताओं-केंद्रित एजाइल दृष्टिकोण है, जिसे एक उद्योग-अकादमिक सहयोग में संचार में सुधार करने, प्रारंभिक व्यवहार्यता आकलन को सुगम बनाने और दोहरी-ट्रैक शासन को सक्षम करने के लिए प्रदर्शित किया गया था, बावजूद इसके कि एमएल संबंधी चिंताओं को संचालित करने और प्रयास का अनुमान लगाने में चुनौतियां बनी हुई हैं।

Quality Model for Machine Learning Components

यह शोध पत्र मशीन लर्निंग घटकों के लिए एक विशिष्ट गुणवत्ता मॉडल का प्रस्ताव और सत्यापन करता है जो सिस्टम-व्युत्पन्न आवश्यकताओं को परिभाषित करने के लिए एक संरचित ढांचा प्रदान करके और डेवलपर्स एवं हितधारकों के बीच प्रभावी संचार की सुविधा प्रदान करके मौजूदा मानकों की सीमाओं को संबोधित करता है।

GAMMS: Graph based Adversarial Multiagent Modeling Simulator

यह शोध पत्र GAMMS को प्रस्तुत करता है, जो एक हल्का, ओपन-सोर्स, ग्राफ-आधारित सिमुलेशन फ्रेमवर्क है जिसे शहरी नेटवर्क और संचार प्रणालियों जैसे जटिल वातावरणों में विविध मल्टी-एजेंट सिस्टम के स्केलेबल, सुलभ और तीव्र प्रोटोटाइपिंग को सक्षम करने के लिए डिज़ाइन किया गया है।

TestMigrationsInPy: A Dataset of Test Migrations from Unittest to Pytest

यह शोध पत्र TestMigrationsInPy को प्रस्तुत करता है, जो कि unittest से pytest में 923 वास्तविक दुनिया के टेस्ट माइग्रेशन का एक सार्वजनिक रूप से उपलब्ध डेटासेट है, जिसे पायथन इकोसिस्टम में माइग्रेशन प्रक्रिया को सुगम बनाने वाले स्वचालित उपकरणों को विकसित करने और सत्यापित करने के लिए एक ग्राउंड ट्रुथ (ground truth) के रूप में डिज़ाइन किया गया है।

Exceptional Behaviors: How Frequently Are They Tested?

यह शोध पत्र 25 पायथन प्रणालियों का एक अनुभवजन्य अध्ययन प्रस्तुत करता है जो दर्शाता है कि जबकि 21.4% निष्पादित विधियाँ अपवाद (exceptions) उत्पन्न करती हैं, ये अपवादात्मक व्यवहार अक्सर अभ्यास में भी आते हैं (मध्यिका 10 में से 1 कॉल), फिर भी अक्सर अनटेस्टेड रहते हैं, जो बेहतर परीक्षण उपकरणों के लिए सिफारिशें और अपवाद उत्पन्न करने वाले परिदृश्यों की दुर्लभता के पुनर्मूल्यांकन को प्रेरित करते हैं।