2531 पेपर
यह शोध पत्र "प्रोजेक्शनल डिकोडिंग" (projectional decoding) प्रस्तुत करता है, जो एक नवीन ढांचा है जो टेक्स्ट के साथ एक आंशिक ग्राफ मॉडल को बनाए रखकर डोमेन सिमेंटिक्स को सीधे LLM जनरेशन में एकीकृत करता है ताकि वृद्धिशील सिमेंटिक सत्यापन, त्रुटि का पता लगाना और प्रमाणिक रूप से वैध सॉफ़्टवेयर आर्टिफैक्ट निर्माण सक्षम किया जा सके।
EvoRepair स्वचालित भेद्यता मरम्मत (vulnerability repair) के लिए पहला अनुभव-आधारित स्व-विकसित एजेंट फ्रेमवर्क पेश करता है जो क्रॉस-वल्नरेबिलिटी ज्ञान को संचित और पुन: उपयोग करता है ताकि कई बेंचमार्क पर मौजूदा LLM-आधारित बेसलाइनों से काफी बेहतर प्रदर्शन किया जा सके।
यह केस स्टडी यह प्रदर्शित करती है कि हालांकि एआई एजेंट स्वायत्त रूप से वैज्ञानिक सॉफ्टवेयर विकसित कर सकते हैं, भौतिकी के संदर्भों में उनकी विश्वसनीयता केवल मॉडल स्केलिंग के बजाय मानव पर्यवेक्षण प्रथाओं—जैसे कि विविध परीक्षण और स्पष्ट भौतिक बाधाओं—पर महत्वपूर्ण रूप से निर्भर करती है, क्योंकि एजेंट वर्तमान में सतही लक्षण सुधारों और वास्तविक मूल-कारण समाधानों के बीच अंतर करने या आवश्यक संरचनात्मक परिवर्तनों का प्रस्ताव देने में संघर्ष करते हैं।
यह अध्ययन प्रदर्शित करता है कि PROMISE डेटासेट पर स्ट्रैटिफाइड K-फोल्ड क्रॉस-वैलिडेशन के साथ SMOTE-Tomek प्रीप्रोसेसिंग लागू करने से कार्यात्मक और गैर-कार्यात्मक आवश्यकताओं के वर्गीकरण की सटीकता में महत्वपूर्ण सुधार होता है, जिससे लॉजिस्टिक रिग्रेशन का प्रदर्शन 58.31% के बेसलाइन से बढ़कर 76.16% हो जाता है।
यह शोध पत्र 500 वास्तविक दुनिया के कार्यों में पांच अत्याधुनिक ऑटोमेटेड प्रोग्राम रिपेयर एजेंटों का एक व्यवस्थित अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि वे सरल सुधारों में उत्कृष्ट हैं, वे आदिम टूलिंग और टेस्ट जनरेशन की बाधाओं के कारण तर्क-गहन बग्स (logic-intensive bugs) के साथ संघर्ष करते हैं, जिससे समृद्ध टूल इकोसिस्टम, विविध आर्किटेक्चर और सतही मेट्रिक्स के बजाय सिमेंटिक शुद्धता को प्राथमिकता देने वाले बेंचमार्क की ओर बदलाव को प्रोत्साहन मिलता है।
यह शोध पत्र एक एकीकृत, हल्के रिग्रेशन लैंग्वेज मॉडल (RLM) को प्रस्तुत करता है जो विभिन्न प्रोग्रामिंग भाषाओं और हार्डवेयर प्लेटफॉर्म्स में मेमोरी फुटप्रिंट, लेटेंसी और एक्यूरेसी सहित विविध कोड निष्पादन मेट्रिक्स की सटीक भविष्यवाणी करने के लिए एक फ्रोजन (frozen) LLM एनकोडर का लाभ उठाता है, जो बिना किसी कार्य-विशिष्ट अनुकूलन के पूर्व फीचर-इंजीनियर्ड और ग्राफ-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है।
यह शोध पत्र SynthTools का परिचय देता है, जो एक पूर्णतः LLM-आधारित ढांचा है जो स्वचालित रूप से विविध सिंथेटिक टूल वातावरण और कार्यों को उत्पन्न, सत्यापित और स्केल करता है, यह प्रदर्शित करते हुए कि इस सिंथेटिक डेटा पर एजेंटों को प्रशिक्षित करने से वास्तविक दुनिया के बेंचमार्क पर उनके टूल-उपयोग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र OntoAgent को प्रस्तुत करता है, जो एक ऐसा साक्षात्कार एजेंट है जो संरचित, व्यवस्थित और कुशल आवश्यकताओं के निष्कर्षण (requirements elicitation) साक्षात्कार आयोजित करने में लार्ज लैंग्वेज मॉडल्स का मार्गदर्शन करने के लिए स्वतः निर्मित अनुभव ऑन्टोलॉजी (experience ontology) का लाभ उठाता है, जो प्रभावशीलता और प्रश्न पूछने की दक्षता दोनों में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
Spec-Agent एक एजेंटिक सिस्टम है जो स्टैटिक एनालिसिस, रनटाइम हीप ट्रेसिंग और काउंटरएग्जांपल-गाइडेड LLM रिफाइनमेंट को संयोजित करके बड़े C++ कोडबेस के लिए अभिव्यंजक, अच्छी तरह से सत्यापित सेपरेशन लॉजिक स्पेसिफिकेशन को सिंथेसाइज करता है, जिससे मौजूदा तरीकों की तुलना में काफी कम लागत पर शून्य फॉल्स पॉजिटिव के साथ 85% सफलता प्राप्त होती है।
यह शोध पत्र OptiLoop को प्रस्तुत करता है, जो एक समन्वय-इन-द-लूप (coordination-in-the-loop) सत्यापन और मरम्मत पाइपलाइन है जो LLM-जनित अनुकूलन एजेंटों में सिमेंटिक त्रुटियों का पता लगाने और उन्हें ठीक करने के लिए ADMM-शैली के सर्वसम्मति रन (consensus runs) का उपयोग करता है, जो अलग-थलग स्थानीय सत्यापन की तुलना में वैश्विक उद्देश्यों और सामाजिक परिणामों के साथ उनके संरेखण में महत्वपूर्ण सुधार करता है।