2518 पेपर
यह त्वरित समीक्षा सॉफ्टवेयर टेस्टिंग में कारण अनुमान (कॉज़ल इन्फरेंस) लागू करने वाले 27 अध्येशनों का व्यवस्थित रूप से विश्लेषण करती है, जो प्रतिनिधित्व और खोज के बजाय पहचान और अनुमान की ओर झुके हुए अनुसंधान असंतुलन को प्रकट करती है और क्रॉस-लेयर चुनौतियों को संबोधित करने तथा क्षेत्र में भविष्य के कार्यों को एकीकृत करने के लिए एक संरचित एजेंडा प्रस्तावित करती है।
यह शोध पत्र प्रदर्शित करता है कि छोटा और अधिक लागत प्रभावी क्लॉड हाइकू 4.5 (Claude Haiku 4.5), स्वचालित कोड समीक्षा में बड़े क्लॉड सोनेट 4.6 (Claude Sonnet 4.6) से बेहतर प्रदर्शन करता है, साथ ही यह भी प्रकट करता है कि सिंथेटिक बेंचमार्क मॉडल की क्षमताओं का अत्यधिक आकलन करते हैं और बड़े डिफ (diff) आकारों तथा प्रदर्शन संबंधी बग्स के साथ प्रदर्शन में भारी गिरावट आती है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि एजेंटिक LLMs ज्ञात कमजोरियों को पुनरुत्पादित करने में उच्च स्थिरता प्रदर्शित करते हैं, नई समस्याओं को खोजने की उनकी क्षमता अत्यधिक असंगत है, जो यह सुझाव देता है कि LLM-आधारित सुरक्षा समीक्षाओं को नियतकालिक (deterministic) स्टैटिक एप्लिकेशन सिक्योरिटी टेस्टिंग (SAST) के स्थान पर उसका पूरक होना चाहिए।
स्क्रैचलेंस (ScratchLens) स्क्रैच प्रोग्रामों में व्यवहारिक तुल्यता (behavioral equivalence) निर्धारित करने के लिए एक लेंस-पैरामीट्रिक ढांचे को पेश करता है, जो उन्हें एक कारण मध्यवर्ती प्रतिनिधित्व (causal intermediate representation) में संकलित करता है, समवर्तीता (concurrency) को संभालने के लिए कैनोनिकलाइजेशन (canonicalization) और आंशिक-क्रम न्यूनीकरण (partial-order reduction) लागू करता है, और साक्ष्य के साथ साउंड वर्डिक्ट (sound verdicts) प्रदान करने के लिए SMT-आधारित परिशोधन (SMT-based refinement) का उपयोग करता है, जिससे स्वचालित ग्रेडिंग और मरम्मत में सिंटैक्टिक डिफरेंसिंग (syntactic differencing) और सिंगल-रन डायनेमिक एनालिसिस (single-run dynamic analysis) की सीमाओं को दूर किया जा सके।
यह शोध पत्र "जेनरेशन नेटवर्क्स" का प्रस्ताव करता है, जो ग्राफिकल प्रोबेबिलिस्टिक मॉडल्स पर आधारित एक फ्रेमवर्क है, ताकि LLM-नेटिव सॉफ्टवेयर सिस्टम में निहित स्टोकेस्टिक और प्रॉम्प्ट-डिपेंडेंट व्यवहारों के लिए सिद्धांत-आधारित डिज़ाइन-स्तरीय तर्क और विश्लेषण पेश किया जा सके।
यह शोध पत्र ग्रीन SARC (Green SARC) को प्रस्तुत करता है, जो एक आर्किटेक्चरल गवर्नेंस फ्रेमवर्क है जो बजट उल्लंघन को रोकने और टोकन, वित्तीय एवं कार्बन की महत्वपूर्ण बचत प्राप्त करने के लिए प्रेडिक्टिव कॉस्ट और कार्बन कंट्रोल्स को सीधे एजेंटिक एआई लूप्स (agentic AI loops) में समाहित करता है, जो पोस्ट-एग्जीक्यूशन मॉनिटरिंग और सॉफ्ट पेनल्टी विधियों के विरुद्ध इसकी श्रेष्ठ विश्वसनीयता को दर्शाता है।
यह शोध पत्र Open-SWE-Traces को प्रस्तुत करता है, जो वास्तविक दुनिया के पुल रिक्वेस्ट (pull requests) से प्राप्त 207,489 सॉफ्टवेयर इंजीनियरिंग एजेंट प्रक्षेपवक्रों (trajectories) का एक बड़े पैमाने का, बहुभाषी डेटासेट है, जो विविध SWE-bench मूल्यांकनों पर अत्याधुनिक परिणाम प्राप्त करने में सक्षम उच्च-प्रदर्शन वाले, ओपन-सोर्स मॉडलों के डिस्टिलेशन (distillation) को सक्षम बनाता है।
यह शोध पत्र AutoDecompiler को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) आधारित LLM है जो संकलन (compilation), निष्पादन (execution) और अर्थपूर्ण निरंतरता (semantic consistency) पुरस्कारों द्वारा निर्देशित एक पुनरावृत्ति, फीडबैक-संचालित परिशोधन प्रक्रिया में कार्य को परिवर्तित करके बाइनरी डिकंपाइलेशन की कार्यात्मक शुद्धता में सुधार करता है।
यह शोध पत्र AI सप्लाई चेन गैलेक्सी (AISCG) को प्रस्तुत करता है, जो एक इंटरैक्टिव 3D विजुअल एनालिटिक्स सिस्टम है जो लाइसेंस अनुपालन ऑडिटिंग को सुव्यवस्थित करने के लिए जटिल मॉडल निर्भरताओं को मैप करता है, जिससे यह पता चलता है कि विश्लेषण किए गए 908,449 हगिंग फेस मॉडल्स में से आधे से अधिक महत्वपूर्ण अनुपालन जोखिम या मेटाडेटा संबंधी समस्याओं का प्रदर्शन करते हैं।
यह शोध पत्र लक्षित भाषा डेटा पर एक बेस मॉडल के निरंतर प्री-ट्रेनिंग (further pre-training) और उसके बाद वेट डिफ ट्रांसफर (weight diff transfer) के माध्यम से इंस्ट्रक्शन-फॉलोइंग क्षमताओं को इंजेक्ट करने की एक लागत प्रभावी रणनीति को पेश करके, शून्य-संसाधन वाली प्रोग्रामिंग भाषाओं में कोड जनरेशन की चुनौती को संबोधित करता है, जो कि इंस्ट्रक्शन-ट्यून्ड मॉडल्स के सीधे फाइन-ट्यूनिंग की तुलना में काफी बेहतर प्रदर्शन करती है।