2638 पेपर
यह अनुभवजन्य अध्ययन 559 OSS-Fuzz प्रोजेक्ट्स में 61,000 से अधिक फज़िंग बग्स का विश्लेषण करता है ताकि यह प्रदर्शित किया जा सके कि प्रोग्रामिंग भाषा फज़िंग प्रभावशीलता, बग विशेषताओं और पहचान दक्षता को महत्वपूर्ण रूप से प्रभावित करती है, जिससे भाषा-जागरूक फज़िंग रणनीतियों की आवश्यकता पर बल मिलता है।
यह शोध पत्र एक संप्रभु संदर्भ संरचना (Sovereign Reference Architecture) प्रस्तावित करता है जो स्व-संप्रभु पहचान (self-sovereign identity), ब्लॉकचेन-आधारित विश्वास और नियंत्रित जनरेटिव एआई को एकीकृत करके डिजिटल संप्रभुता को एक प्रथम-श्रेणी के वास्तुशिल्प गुण के रूप में मानता है, ताकि ऑडिट करने योग्य और क्षेत्राधिकार-जागरूक सॉफ्टवेयर के लिए नियामक इरादे को ठोस सिस्टम डिज़ाइन के साथ जोड़ा जा सके।
यह अध्ययन सॉफ्टवेयर विकास में LLM इन्फरेंस (inference) की ऊर्जा खपत का विश्लेषण करता है, जो यह प्रकट करता है कि प्रीफिल (prefill) लागत डिकोडिंग ऊर्जा को काफी बढ़ा देती है और 'बबलिंग सप्रेशन' (babbling suppression) को लागू करने से सटीकता से समझौता किए बिना ऊर्जा उपयोग को 89% तक कम किया जा सकता है।
यह शोध पत्र AutoML4NILM प्रस्तुत करता है, जो एक ओपन-सोर्स फ्रेमवर्क है जो नॉन-इंट्रूसिव लोड मॉनिटरिंग के लिए मॉडल चयन और हाइपरपैरामीटर ट्यूनिंग को स्वचालित करने के लिए बायेसियन ऑप्टिमाइज़ेशन का लाभ उठाता है, जिससे डोमेन विशेषज्ञों को उन्नत मशीन लर्निंग विशेषज्ञता के बिना ऊर्जा विघटन (एनर्जी डिसएग्रीगेशन) समाधानों को तैनात करने में सक्षम बनाया जा सके।
यह शोध पत्र CoSQA+ प्रस्तुत करता है, जो एक उच्च-गुणवत्ता वाला बहु-विकल्पीय कोड खोज बेंचमार्क है जिसमें एक नवीन टेस्ट-ड्रिवन एजेंट सिस्टम द्वारा सत्यापित 412,080 एजेंट-एनोटेटेड जोड़े शामिल हैं, जो मौजूदा डेटासेट की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है और कोड खोज मॉडलों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र CodeSense को प्रस्तुत करता है, जो वास्तविक दुनिया के सॉफ़्टवेयर रिपॉजिटरी से प्राप्त सूक्ष्म-स्तरीय कोड सिमेंटिक रीजनिंग कार्यों से बना पहला बेंचमार्क और डेटासेट है, जो प्रॉम्प्टिंग सुधारों के बावजूद व्यावहारिक सॉफ़्टवेयर इंजीनियरिंग चुनौतियों को संभालने में वर्तमान LLMs की क्षमता में महत्वपूर्ण सीमाओं को प्रकट करता है।
यह शोध पत्र daVinci-Agency को प्रस्तुत करता है, जो एक डेटा-कुशल ढांचा है जो लार्ज लैंग्वेज मॉडल्स के लिए उच्च-गुणवत्ता वाले, लॉन्ग-होराइज़न प्रशिक्षण डेटा को संश्लेषित करने के लिए प्रामाणिक पुल रिक्वेस्ट (Pull Request) अनुक्रमों का लाभ उठाता है, जिससे अत्यधिक एनोटेशन लागत के बिना जटिल एजेंटिक वर्कफ़्लो में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह कार्यशाला रिपोर्ट कार्नेगी मेलन यूनिवर्सिटी में 24 विशेषज्ञों के एक समागम का विवरण देती है जिसका उद्देश्य यह पता लगाना है कि ओपन सोर्स सॉफ्टवेयर इकोसिस्टम अपने विविध और अक्सर परस्पर विरोधी हितधारकों की पहचान, उनके साथ जुड़ाव और उनके प्रति जवाबदेही कैसे सुनिश्चित कर सकते हैं, ताकि भविष्य के अनुसंधान और व्यावहारिक जुड़ाव की रणनीतियों को प्रेरित किया जा सके।
यह शोध पत्र सिमेंटिक कंसेंसस डिकोडिंग (SCD) का प्रस्ताव करता है, जो एक इन्फरेंस-टाइम पैसिव डिफेंस है, जो गैर-कार्यात्मक आवश्यकताओं (non-functional requirements) के प्रति हमलावरों के झुकाव का लाभ उठाकर दुर्भावनापूर्ण ट्रिगर्स का पता लगाने और उन्हें दबाने के माध्यम से Verilog कोड जनरेशन में बैकडोर हमलों को कम करता है, जिससे जनरेशन की गुणवत्ता पर नगण्य प्रभाव के साथ हमला सफलता दर 89% से घटकर 3% से भी कम हो जाती है।
यह शोध पत्र पांच कोडिंग एजेंटों और एक मानव बेसलाइन के माध्यम से 654 अस्वीकृत पुल रिक्वेस्ट (pull requests) का विश्लेषण करता है ताकि अद्वितीय और एजेंट-विशिष्ट अस्वीकृति पैटर्न की पहचान की जा सके, साथ ही 67.9% मामलों में गायब रिव्यूअर फीडबैक की चुनौती को संबोधित करने के लिए ह्यूरिस्टिक्स (heuristics) प्रस्तावित करता है।