2540 पेपर
BluesFL एक नवीन ब्लॉक-स्तरीय फॉल्ट लोकलाइजेशन फ्रेमवर्क है जो बड़े पैमाने के RISC-V प्रोसेसर डिजाइनों में अत्याधुनिक बग डिटेक्शन सटीकता और कम लागत प्राप्त करने के लिए LLMs और एक मानव-प्रेरित निर्देश-उन्मुख स्लाइसिंग एल्गोरिदम का लाभ उठाता है।
यह शोध पत्र "फाउंडेशन्स ऑफ सॉफ्टवेयर लैंग्वेजेस" (FSL) ऑन्टोलॉजी के पहले रिलीज़ को प्रस्तुत करता है, जो कंप्यूटर विज्ञान शिक्षा के लिए विविध सॉफ्टवेयर भाषा अवधारणाओं को एकीकृत करने के लिए डिज़ाइन किया गया एक ज्ञान संसाधन है, जिसे जनरेटिव एआई द्वारा संवर्धित एक मानक पद्धति का उपयोग करके विकसित किया गया है।
यह शोध पत्र एक नियंत्रित प्रयोग की रिपोर्ट करता है जहाँ तीन एआई मॉडलों ने एंथ्रोपिक के "मिथोस" (Mythos) सामग्रियों से जुड़े छह विशिष्ट बग्स को बिना किसी पूर्व ज्ञान के पुनः खोजने का प्रयास किया, जिससे यह पता चला कि अनुकूल परिस्थितियों में भी, मॉडलों की सफलता दर कम (54 प्रयासों में से 6) रही, जिसका मुख्य कारण वास्तविक पैच द्वारा सुधारा गया विशिष्ट इनवेरिएंट (invariant) को पहचानने के बजाय प्रशंसनीय लेकिन गलत परिकल्पनाओं के प्रति प्रतिबद्ध होने की प्रवृत्ति थी।
यह शोध पत्र सिमेंटिक म्यूटेशन स्कोर (SMS) का प्रस्ताव करता है, जो वैज्ञानिक कंप्यूटिंग में शास्त्रीय सिंटैक्टिक म्यूटेशन टेस्टिंग की सीमाओं को संबोधित करने के लिए पांच डोमेन-सिमेंटिक ऑपरेटरों का उपयोग करने वाला एक बैकवर्ड-कंपैटिबल मीट्रिक है, जो एक बड़े पैमाने के अध्ययन के माध्यम से यह प्रदर्शित करता है कि जबकि LLM-जनरेटेड सिमेंटिक म्यूटेंट्स पारंपरिक AST-आधारित विधियों से परे विशिष्ट कवरेज प्रदान करते हैं, वे पर्याप्तता मूल्यांकन में बड़े के बजाय मध्यम प्रभाव आकार (effect size) उत्पन्न करते हैं।
यह शोध पत्र Event-B Agent को प्रस्तुत करता है, जो एक नवीन ढांचा है जो इंटरलीव्ड रिफाइनमेंट और वेरिफिकेशन के माध्यम से Event-B औपचारिक मॉडलों को पुनरावृत्ति रूप से संश्लेषित और मरम्मत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे प्राकृतिक भाषा आवश्यकताओं से 'करेक्ट-बाय-कंस्ट्रक्शन' सॉफ्टवेयर के एंड-टू-एंड जनरेशन में महत्वपूर्ण सुधार होता है।
यह शोधपत्र SaaSBench प्रस्तुत करता है, जो जटिल, बहु-घटक एंटरप्राइज SaaS परिवेशों में स्वायत्त कोडिंग एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया पहला बेंचमार्क है, जो यह प्रकट करता है कि अत्याधुनिक मॉडलों के लिए प्राथमिक बाधा कोड लॉजिक उत्पन्न करने में नहीं, बल्कि विषम सिस्टम घटकों को सफलतापूर्वक कॉन्फ़िगर और एकीकृत करने में निहित है।
यह शोध पत्र अमान्य बग रिपोर्टों के उप-वर्गीकरण के लिए एक मानकीकृत वर्गीकरण (taxonomy) प्रस्तुत करता है और विभिन्न एआई दृष्टिकोणों का मूल्यांकन करता है, जिसमें यह पाया गया है कि रिट्रीवल ऑगमेंटेड जनरेशन (Retrieval Augmented Generation) मूल-कारण की पहचान करने में उत्कृष्ट है जबकि एजेंटिक वेब सर्च (agentic web search) कार्रवाई योग्य नो-कोड फिक्स (no-code fixes) उत्पन्न करने के लिए सबसे प्रभावी है।
यह शोध पत्र सॉफ्टवेयर दोष भविष्यवाणी के लिए एक फीचर-संचालित ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि कैसे फीचर चयन विधियों (विशेष रूप से सहसंबंध-आधारित फीचर चयन) को जेनेटिक एल्गोरिदम-आधारित हाइपरपैरामीटर ट्यूनिंग के साथ संयोजित करने से मशीन लर्निंग मॉडल की सटीकता में महत्वपूर्ण सुधार होता है, जिससे रैंडम फॉरेस्ट के साथ 88.40% सटीकता दर प्राप्त होती है।
यह शोध पत्र डिकोडिंग टाइम वेरिफिकेशन (DTV) को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो त्रुटि प्रसार (error propagation) को रोकने के लिए कोड जनरेशन को स्ट्रक्चरल बाउंड्री चेक्स और वेरीफायर के साथ इंटरलीव करता है, जो पोस्ट-हॉक वेरिफिकेशन या सेल्फ-रिफाइनमेंट बेसलाइन्स की तुलना में ट्रांसलेशन सटीकता और टोकन दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र TMAP8 फ्यूजन ऊर्जा कोड का उपयोग करते हुए यह प्रदर्शित करने के लिए एक संरचित ढांचे का प्रस्ताव करता है कि कैसे पारदर्शी, पता लगाने योग्य और ऑडिट योग्य सत्यापन और सत्यापन प्रक्रियाएं मानवीय जवाबदेही और सॉफ्टवेयर विश्वसनीयता सुनिश्चित कर सकती हैं, जो NQA-1 जैसे सख्त गुणवत्ता आश्वासन मानकों के भीतर एआई-सहायता प्राप्त वैज्ञानिक सॉफ्टवेयर विकास को नियंत्रित करने के लिए है।