175 articoli
Il paper propone "Traversal-as-Policy", un metodo che distilla i log di esecuzione in un Gated Behavior Tree eseguibile per trasformare la navigazione dell'albero in una politica di controllo verificabile, migliorando significativamente il successo, la sicurezza e l'efficienza degli agenti LLM autonomi su benchmark complessi.
Il paper presenta EigenData, una piattaforma multi-agente auto-evolutiva che automatizza la sintesi, l'audit e la riparazione dei dati per il function calling, migliorando significativamente la correlazione tra le valutazioni dei modelli e il giudizio umano sulla correttezza funzionale attraverso la correzione del benchmark BFCL-V3 e l'introduzione di metriche basate sullo stato del database.
Il paper presenta Tool-Genesis, un benchmark diagnostico che valuta la capacità degli agenti linguistici di creare e utilizzare strumenti autonomamente da requisiti astratti, rivelando come le imperfezioni iniziali nei modelli più avanzati compromettano drasticamente le prestazioni a valle.
Questo studio presenta la prima tassonomia su larga scala dei guasti nei server MCP, identificando cinque categorie principali attraverso evidenze empiriche e un sondaggio tra professionisti, al fine di fornire indicazioni pratiche per migliorare l'affidabilità e la sicurezza dei sistemi software basati su modelli fondazionali.
Il paper presenta LTLGuard, un approccio modulare che combina la generazione di modelli linguistici compatti con la verifica simbolica formale per tradurre in modo efficiente e affidabile requisiti informali in specifiche corrette in logica temporale lineare (LTL).
Il paper presenta CodeScout, un approccio di raffinamento contestuale delle query che analizza preventivamente il codice sorgente per trasformare richieste utente ambigue in istruzioni dettagliate, migliorando significativamente le prestazioni degli agenti software nello sviluppo di codice.
Il paper introduce ReflexiCoder, un nuovo framework di apprendimento per rinforzo che addestra i modelli linguistici a internalizzare capacità autonome di auto-riflessione e auto-correzione del codice, ottenendo risultati all'avanguardia su diversi benchmark senza dipendere da oracoli esterni o feedback di esecuzione durante l'inferenza.
Questo lavoro presenta un approccio sistematico di XAI che trasforma le tracce di esecuzione grezze degli agenti di codifica basati su LLM in spiegazioni strutturate e visuali, migliorando significativamente la velocità e l'accuratezza con cui gli utenti identificano le cause degli errori e propongono soluzioni rispetto all'uso di tracce non elaborate o spiegazioni ad hoc.
Il paper presenta MCCom, un framework che bilancia latenza e accuratezza nel completamento del codice orchestrando un modello linguistico locale leggero con uno cloud tramite un meccanismo di cascata attivato dalle azioni dell'utente, riducendo significativamente i tempi di inferenza e l'uso del cloud senza compromettere la qualità.
Il paper presenta APIDiffer, il primo framework di testing differenziale guidato da specifiche che, trasformando le API di Ethereum in suite di test automatizzate e filtrando i falsi positivi tramite modelli linguistici, ha identificato 72 bug nei client principali, migliorando significativamente la copertura del codice e riducendo i falsi positivi rispetto agli strumenti esistenti.
Il paper propone un approccio basato sull'elaborazione del linguaggio naturale e sui modelli linguistici di grandi dimensioni per rilevare e classificare le allineamenti, i disallineamenti e le incertezze tra specifiche testuali e modelli di dominio, dimostrando un'elevata precisione e un buon richiamo che lo rendono adatto all'integrazione in strumenti di modellazione per il feedback e la validazione della qualità.
Questo studio del 2022 stabilisce una linea di base pre-intelligenza artificiale analizzando i dati di 1.155 sviluppatori, rivelando che l'autonomia nella scelta degli strumenti è il principale predittore di soddisfazione e fornendo un punto di riferimento quantitativo per valutare l'impatto futuro degli strumenti di generazione AI.
Il paper presenta un nuovo framework di modellazione delle minacce alla privacy specifico per le applicazioni di GenAI, basato su LINDDUN e sviluppato attraverso una revisione sistematica della letteratura e un caso studio, che estende la tassonomia esistente con nuove categorie di minacce e 100 esempi specifici per validare la sua efficacia nell'analisi di sistemi come gli AI Agent.
Questo articolo presenta un adattamento dello strumento di generazione automatica di test Pynguin che utilizza l'esecuzione in sottoprocessi isolati per rilevare e riprodurre guasti nei progetti Python con estensioni C, permettendo così di scoprire nuove vulnerabilità senza bloccare l'intero processo di test.
Questo studio empirico dimostra che la regolazione appropriata degli iperparametri nei modelli di deep learning può ridurre il consumo energetico senza comprometterne le prestazioni, contribuendo così allo sviluppo di modelli più sostenibili, specialmente in ambienti di addestramento parallelo.
Questo studio dimostra che i grandi modelli linguistici (LLM) possono stimare i punti storia nei progetti software con prestazioni superiori ai modelli di apprendimento profondo supervisionati anche senza dati di addestramento, migliorando ulteriormente con esempi pochi-shot e giudizi comparativi.
Questo articolo presenta un modello di funzionalità generalizzato per Digital Models, Shadows e Twins, sviluppato attraverso uno studio sistematico della letteratura e validato su tre casi d'uso, con l'obiettivo di supportare la progettazione, lo sviluppo e la verifica di queste tecnologie.
Il paper introduce LoCoEval, il primo benchmark per la gestione del contesto conversazionale a lungo termine nello sviluppo di repository, evidenziando le limitazioni delle attuali soluzioni e proponendo un metodo migliorato che integra informazioni conversazionali e di repository in una memoria unificata per superare tali sfide.
Questo articolo propone un'architettura di riferimento per i framework di apprendimento per rinforzo, derivata dall'analisi di 18 sistemi all'avanguardia tramite l'approccio della teoria fondata, al fine di stabilire una base comune per il confronto, la valutazione e l'integrazione di tali tecnologie.
Questo lavoro presenta il primo studio empirico sui bug delle prestazioni dei compilatori JIT, proponendo una tecnica di testing differenziale a più livelli implementata nello strumento Jittery che ha permesso di scoprire e far correggere diversi bug precedentemente sconosciuti nei compilatori Oracle HotSpot e Graal.