2489 पेपर
यह शोध पत्र उत्पादन-स्तर के रस्ट (Rust) बैकएंड अनुप्रयोगों पर टाइपस्टेट (typestate) और न्यूटाइप (newtype) डिज़ाइन पैटर्न लागू करने के प्रभाव का अनुभवजन्य मूल्यांकन करता है, जिसमें यह पाया गया है कि जहाँ टाइपस्टेट पठनीयता की कीमत पर दोषहीनता और परीक्षण क्षमता में महत्वपूर्ण सुधार करता है, वहीं न्यूटाइप पैटर्न अमान्य रनटाइम अवस्थाओं को रोककर कम प्रयास के साथ उच्च-गुणवत्ता वाले प्रतिफल प्रदान करता है।
यह शोध पत्र 235 मामलों के एक अनुभवजन्य अध्ययन के माध्यम से eBPF वेरिफायर रिजेक्शन्स (rejections) में डायग्नोस्टिक गैप की पहचान करता है, 'bpfix' को पेश करता है ताकि यह स्थानीयकृत किया जा सके कि प्रूफ कहाँ खो जाते हैं और स्पष्ट डायग्नोस्टिक्स उत्पन्न किए जा सकें, और यह प्रदर्शित करता है कि यह लोकलाइजेशन LLM-आधारित प्रोग्राम रिपेयर सफलता दरों में महत्वपूर्ण रूप से सुधार करता है।
यह शोध पत्र एक कमिट-प्रोवेनेंस (commit-provenance) डेटासेट प्रस्तुत करता है जो अपस्ट्रीम हिस्ट्री रीराइट्स (फोर्स-पुश्स) के कारण होने वाले गायब कमिट्स और ग्लोबल कोड मिरर्स में वास्तविक इनजेशन गैप्स के परिणामस्वरूप होने वाले गायब कमिट्स के बीच अंतर करता है, जिससे यह पता चलता है कि लगभग 6.5% गायब कमिट्स खोए नहीं गए बल्कि रीराइट किए गए हैं और यह योगदान गणना तथा मिरर पूर्णता रिपोर्टिंग की सटीकता में सुधार के लिए सुधार कारक प्रदान करता है।
यह अध्ययन एक स्केलेबल, LLM-आधारित दृष्टिकोण प्रस्तावित करता है जो डिफ्स (diffs) के भीतर उच्च-जोखिम वाले कोड अनुभागों को हाइलाइट करने के लिए अटेंशन वेट्स (attention weights) का लाभ उठाता है, जो सफलतापूर्वक विशेषज्ञ-लेबल वाले आउटेज-कारण बनने वाली लाइनों के 53.85% को कवर करता है जबकि डेवलपर्स को औसतन केवल 26.28% बदली गई लाइनों की समीक्षा करने की आवश्यकता होती है।
यह शोध पत्र LLM-जनित कोड में विफलता स्वतंत्रता (failure independence) का मूल्यांकन करने के लिए एक व्यवस्थित कार्यप्रणाली प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि विषम मॉडल (heterogeneous models) कुछ विविधता प्रदान करते हैं, लेकिन उनके कार्यान्वयन अक्सर समान मूल कारणों को साझा करते हैं और एक ही परीक्षण मामलों पर विफल होते हैं, जिससे प्रभावी एन-वर्जन प्रोग्रामिंग (N-Version Programming) के लिए आवश्यक स्वतंत्रता की धारणा का उल्लंघन होता है।
EvoOtter एक लागत प्रभावी विकासवादी प्रोग्रामिंग दृष्टिकोण है जो उच्च-गुणवत्ता वाले बग पुनरुत्पादन परीक्षणों को पूर्ववर्ती इन्फरेंस-स्केलिंग विधियों की तुलना में बहुत कम लागत पर उत्पन्न करने के लिए सक्सीविव हैल्विंग (successive halving), बैच्ड एलएलएम क्रॉसओवर (batched LLM crossover) और नियम-आधारित उत्परिवर्तन (rule-based mutations) को एक विशेष रूप से तैयार किए गए फिटनेस स्कोर के साथ जोड़ता है।
BeSpec एक व्यवहार-स्तर का विनिर्देश संरेखण ढांचा (behavior-level specification alignment framework) पेश करता है जो कोड जनरेशन के दौरान इरादे के बेमेल (intent mismatches) का पता लगाने और उन्हें हल करने के लिए कार्य विवरणों से स्पष्ट व्यवहारिक मॉडल निर्मित करता है, जो कई बेंचमार्क में मौजूदा निष्पादन-निर्देशित परिशोधन विधियों (execution-guided refinement methods) की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र CAFÉ प्रस्तुत करता है, जो एक स्वचालित फीडबैक प्लेटफॉर्म है जो कंप्यूटर साइंस के छात्रों को कोडिंग करने से पहले ग्राफ़िकल लूप इनवैरिएंट्स (Graphical Loop Invariants) डिज़ाइन करने के लिए निर्देशित करके उन्हें औपचारिक विधियों (formal methods) की ओर संक्रमण में सहायता प्रदान करता है, जिससे उनके आरेखीय तर्क (diagrammatic reasoning) और अंतिम कार्यान्वयन (final implementation) दोनों पर व्यक्तिगत फीडबैक मिलता है।
यह शोध पत्र यह प्रदर्शित करता है कि जावा ओपकोड (Java opcodes) पर आधारित k-ग्राम सॉफ्टवेयर बर्थमार्क्स, कोड पैराफ्रेसिंग (code paraphrasing) की चुनौतियों के बावजूद, विभिन्न मॉडलों और समानता मापों में LLM-सहायता प्राप्त कोड साहित्यिक चोरी का पता लगाने में प्रभावी बने रहते हैं।
1,200 लैंग्वेज मॉडल एजेंट रोलआउट्स का यह नियंत्रित अध्ययन प्रदर्शित करता है कि जहाँ विभिन्न कौशल अनुकूलन रणनीतियाँ लागत-दक्षता या प्रदर्शन में सुधार करने में विफल रहती हैं, वहीं निष्पादक मॉडल (एग्जीक्यूटर मॉडल) को अपग्रेड करना ही एकमात्र कारक है जो कार्य सफलता दर को महत्वपूर्ण रूप से बढ़ाता है, हालांकि इसके लिए काफी अधिक मौद्रिक लागत चुकानी पड़ती है।