175 articoli
Il paper introduce SpecOps, un framework di testing completamente automatizzato che utilizza agenti AI specializzati per valutare in modo efficace e scalabile le prestazioni e rilevare bug in agenti GUI reali, superando le soluzioni esistenti in termini di accuratezza ed efficienza.
Il paper propone un passaggio dalla verifica costosa al "herding" basato sulla sparsità di influenza, introducendo EZR, un apprendista stocastico che raggiunge il 90% dei risultati ottimali con soli 32 campioni evitando solutori complessi.
Il paper presenta FP-Predictor, un modello basato su Graph Convolutional Network che utilizza i Code Property Graphs per prevedere con alta accuratezza i falsi positivi negli report di analisi statica della sicurezza, dimostrando una forte capacità di ragionamento orientato alla sicurezza pur presentando limitazioni nella rappresentazione del flusso di controllo interprocedurale.
Questo articolo presenta una sintesi strutturata della prima edizione del track QuantumX, tenutosi presso le JISBD 2025, che ha riunito i principali gruppi di ricerca spagnoli per consolidare l'Ingegneria del Software Quantistico come disciplina emergente, definire sfide comuni e posizionare la Spagna come attore chiave nell'ecosistema quantistico europeo e globale.
Il paper propone un framework agentic basato su modelli linguistici e agenti AI che trasforma il ciclo di vita della reportistica ESG da un processo statico a un sistema dinamico e adattivo, integrando automazione e feedback continuo per identificazione, misurazione, reporting e miglioramento delle performance di sostenibilità.
Questo articolo presenta una piattaforma educativa collaborativa basata su progetti e integrata con l'IA, progettata per colmare il divario tra ricerca e pratica nello sviluppo agile, generando evidenze pertinenti e riutilizzabili attraverso cicli iterativi rapidi e un coinvolgimento reale degli stakeholder.
Il paper presenta LabConstrictor, un sistema basato su GitHub che automatizza il confezionamento di notebook Jupyter in applicazioni desktop installabili con un clic, superando le barriere tecniche di distribuzione e manutenzione del software open-source nelle scienze della vita.
Il documento propone la "Nurture-First Development" (NFD), un nuovo paradigma che sostituisce i tradizionali approcci ingegneristici sequenziali con un processo evolutivo in cui gli agenti AI specializzati vengono cresciuti attraverso interazioni conversazionali strutturate con esperti umani, consolidando periodicamente la conoscenza tacita in asset riutilizzabili tramite un ciclo di "cristallizzazione della conoscenza".
Questo studio indaga come fattori individuali, contestuali e di gruppo influenzino la percezione del sentiment nelle comunicazioni software, rivelando che tale percezione è instabile, fortemente dipendente dall'ambiguità del messaggio e scarsamente correlata a variabili esterne, suggerendo cautela nell'interpretazione dei risultati dell'analisi del sentiment.
Il paper presenta STADA, un framework di generazione di test basato su specifiche formali in logica temporale che, per la validazione degli agenti di guida autonoma, supera le tecniche esistenti offrendo una copertura significativamente superiore con un numero di simulazioni drasticamente ridotto.
Il paper introduce TOSSS, un nuovo benchmark basato sul database CVE per valutare la capacità dei Large Language Models di selezionare frammenti di codice sicuri rispetto a quelli vulnerabili, fornendo un punteggio di sicurezza complementare alle valutazioni esistenti.
Questo articolo esamina come l'intelligenza artificiale, in particolare attraverso l'apprendimento automatico e l'elaborazione del linguaggio naturale, agisca da catalizzatore per l'innovazione nell'ingegneria del software, ottimizzando le pratiche Agile e automatizzando compiti ripetitivi per migliorare qualità, velocità e adattabilità.
Questo studio propone un quadro di analisi a livelli per esaminare 178 benchmark di modelli linguistici e agenti per il codice, rivelando una significativa disparità nella copertura delle fasi del ciclo di vita del software (con un'enfasi eccessiva sull'implementazione e una scarsa attenzione alla progettazione e ai requisiti) e sottolineando la necessità di strategie anti-contaminazione per garantire valutazioni più robuste e pratiche.
Questo studio presenta una revisione sistematica della letteratura su "sistemi di sistemi gemellati", analizzando oltre 2.500 pubblicazioni per derivare un framework di classificazione che integra i paradigmi dei sistemi di sistemi e dei digital twin.
Questo articolo propone una metodologia strutturata basata sul metamodello MeROS e sul modello a V per integrare l'ingegneria dei sistemi basata su modelli (MBSE) con il Robot Operating System (ROS), al fine di migliorare la tracciabilità e la coordinazione affidabile di sistemi robotici eterogenei complessi.
Il paper presenta UniCoR, un nuovo framework auto-supervisionato che risolve le sfide della ricerca ibrida di codice cross-lingua migliorando la comprensione semantica, la fusione delle modalità e la generalizzazione attraverso l'allineamento delle rappresentazioni e delle distribuzioni delle caratteristiche.
Questo studio propone un approccio strutturato e riutilizzabile per la costruzione di casi di sicurezza specifici per i sistemi di intelligenza artificiale, introducendo tassonomie personalizzate e modelli adattivi che superano i limiti delle pratiche ingegneristiche tradizionali di fronte alla natura dinamica e imprevedibile dell'IA generativa.
Il paper presenta SWE-MiniSandbox, un metodo leggero e privo di container che utilizza meccanismi a livello di kernel e tecniche di pre-caching per abilitare l'addestramento scalabile di agenti di ingegneria software tramite reinforcement learning, riducendo drasticamente l'uso del disco e i tempi di preparazione dell'ambiente rispetto alle pipeline basate su container.
Questo studio dimostra che, nonostante i recenti progressi nei modelli linguistici su larga scala, la loro capacità di ragionamento diretto su contesti estesi (fino a 64k token) per la correzione di bug è fortemente limitata, rivelando che i successi osservati nei benchmark agenziali derivano principalmente dalla decomposizione dei compiti in passaggi a breve contesto piuttosto che da una reale capacità di elaborazione di lunghi contesti.
Il paper introduce Theory of Code Space (ToCS), un benchmark open-source che valuta la capacità degli agenti AI di costruire e mantenere credenze architetturali coerenti durante l'esplorazione di codebase, rivelando attraverso esperimenti su diversi modelli linguistici differenze significative nella capacità di esplorazione attiva, nell'uso di mappe strutturate come auto-scaffalatura e nella stabilità della memoria delle credenze.