2531 पेपर
HTMLCure एक स्टेट-गाइडेड ब्राउज़र अनुभव फ्रेमवर्क पेश करता है जो नियतात्मक इंटरेक्शन ट्रेजेक्टरीज के माध्यम से इंटरैक्टिव HTML का मूल्यांकन और मरम्मत करता है, जो एक सीड कॉर्पस को एक उच्च-गुणवत्ता वाले डेटासेट में महत्वपूर्ण रूप से विस्तारित करता है जो एक 27B मॉडल को इंटरैक्टिव वेब बेंचमार्क पर Kimi-K2.6 और GPT-5.4 जैसी अग्रणी प्रणालियों के समान प्रदर्शन प्राप्त करने में सक्षम बनाता है।
यह शोध पत्र MocklessTester को प्रस्तुत करता है, जो मॉकलेस जावा यूनिट टेस्ट जेनरेट करने के लिए एक नवीन LLM-आधारित दृष्टिकोण है, जो भ्रम (hallucination) और निर्भरता संबंधी चुनौतियों से पार पाने के लिए संदर्भ-समृद्ध पीढ़ी (context-enriched generation) और बाधा-प्रवर्तित सुधार (constraint-enforced fixing) को जोड़ता है, जो बेंचमार्क डेटासेट पर कवरेज और म्यूटेशन स्कोर में अत्याधुनिक बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र 164 जावा चुनौतियों पर 13 लार्ज लैंग्वेज मॉडल्स में चार प्रॉम्प्टिंग रणनीतियों का मूल्यांकन करता है ताकि यह निर्धारित किया जा सके कि उन्हें सिंगलटन डिज़ाइन पैटर्न को लागू करने में मार्गदर्शन करने का सबसे अच्छा तरीका क्या है, जिसमें यह पाया गया कि इटरेटिव बाइनरी फीडबैक आम तौर पर इष्टतम है जबकि विशिष्ट निर्देश-आधारित दृष्टिकोण मॉडल के आधार पर पैटर्न अनुपालन में लगभग पूर्णता प्राप्त कर सकते हैं और कोड की कार्यक्षमता में महत्वपूर्ण सुधार कर सकते हैं।
यह शोध पत्र एक हाइब्रिड न्यूरो-सिंबोलिक सत्यापन आर्किटेक्चर प्रस्तावित करता है जो उच्च-जोखिम वाले, डेटा-संवेदनशील डोमेन के लिए एलएलएम (LLM) द्वारा जनरेट की गई सामग्री में मतिभ्रम (hallucinations) का प्रभावी ढंग से पता लगाने और विश्वसनीयता सुनिश्चित करने के लिए औपचारिक तार्किक तर्क को न्यूरल सिमेंटिक विश्लेषण के साथ जोड़ता है, जैसा कि रिपोर्ट निर्माण समय में 30% की कमी और एक वास्तविक दुनिया के चिकित्सा उपकरण मूल्यांकन प्रणाली में उच्च पहचान दरों द्वारा प्रमाणित किया गया है।
यह शोध पत्र ConVer को प्रस्तुत करता है, जो एक टॉप-डाउन कंपोजिशनल वेरिफिकेशन टूल है जो बड़े C प्रोग्रामों और रूपांतरित LF मॉडलों के सत्यापन में स्टेट-स्पेस एक्सप्लोजन (state-space explosion) से निपटने के लिए फंक्शन कॉन्ट्रैक्ट्स को सिंथेसाइज करने और उन्हें एक CEGAR-CEGIS लूप के माध्यम से पुनरावृत्त रूप से परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
EviACT एक एजेन्टिक प्रोग्राम रिपेयर के लिए एविडेंस-टू-एक्शन फ्रेमवर्क है जो मौजूदा बेसलाइन्स की तुलना में बग रेजोल्यूशन रेट को महत्वपूर्ण रूप से सुधारने और API लागत को कम करने के लिए रिट्रीवल, कंपाइलेशन और टेस्ट-ड्रिवन गार्डरेल्स को समन्वित करता है।
यह शोध पत्र विभिन्न प्रोग्रामिंग भाषाओं में गिटहब कोपायलट (GitHub Copilot) के क्रमिक लॉन्च का एक प्राकृतिक प्रयोग के रूप में उपयोग करता है ताकि यह प्रदर्शित किया जा सके कि यद्यपि लार्ज लैंग्वेज मॉडल्स (Large Language Models) ओपन-सोर्स योगदान को महत्वपूर्ण रूप से बढ़ाते हैं, वे मौलिक नवाचार की तुलना में क्रमिक कोड रखरखाव को असमान रूप से अधिक प्राथमिकता देते हैं, जिससे सहयोगात्मक प्रयास नई कार्यक्षमता की खोज करने के बजाय मौजूदा कोडबेस के दोहन की ओर स्थानांतरित हो जाते हैं।
यह शोध पत्र CoCoA को प्रस्तुत करता है, जो एक नवीन उपकरण है जो कोड गोपनीयता बनाए रखते हुए एन्क्रिप्टेड सोर्स कोड में सॉफ्टवेयर कमजोरियों का पता लगाने में सक्षम बनाने के लिए स्टैटिक एनालिसिस (Static Analysis) को सर्चेबल सिमेट्रिक एन्क्रिप्शन (Searchable Symmetric Encryption) के साथ जोड़ता है, और गैर-गोपनीय बेसलाइन की तुलना में केवल 42.7% प्रदर्शन ओवरहेड के साथ 93% शुद्धता प्राप्त करता है।
MedBeads एक ओपन-सोर्स, एजेंट-नेटिव डेटा इंफ्रास्ट्रक्चर का प्रस्ताव करता है जो खंडित, परिवर्तनीय मेडिकल रिकॉर्ड्स के स्थान पर क्लिनिकल घटनाओं के एक इम्यूटेबल (अपरिवर्तनीय), क्रिप्टोग्राफिक रूप से लिंक्ड DAG को स्थापित करता है ताकि AI मतिभ्रम (hallucinations) को समाप्त किया जा सके और विश्वसनीय, ऑडिट योग्य चिकित्सा निर्णय लेने को सुनिश्चित किया जा सके।
यह अध्ययन एक लागत-सचेत भविष्यवाणी मॉडल विकसित और मान्य करता है जो सॉफ्टवेयर इंजीनियरिंग शिक्षा में लार्ज लैंग्वेज मॉडल्स (LLM) के रणनीतिक, शासन-केंद्रित एकीकरण के मार्गदर्शन हेतु संभाव्यता विश्लेषण और जेनेटिक एल्गोरिदम अनुकूलन के साथ LLM प्रेरकों और विप्रेरकों के हितधारक धारणाओं को एकीकृत करता है।