177 articoli
Il documento presenta EasyRpl, un suite di strumenti web intuitivo progettato per modellare, simulare e analizzare i flussi di lavoro interorganizzativi al fine di ottimizzare l'allocazione delle risorse e migliorare l'efficienza collaborativa.
Il paper presenta RevPerf, un approccio innovativo che automatizza la riproduzione dei problemi di prestazioni nelle applicazioni Android sintetizzando informazioni da recensioni utente ambigue tramite recupero semantico, ingegneria dei prompt e agenti di esecuzione, ottenendo un tasso di successo del 72,73% che supera significativamente le soluzioni esistenti.
Questo studio analizza come le interazioni tra code smell influenzino la distribuzione delle dipendenze statiche in 116 sistemi Java open-source, rivelando che tali interazioni aumentano significativamente le dipendenze totali e mostrano pattern coerenti che possono guidare strategie di refactoring e rilevamento più efficaci.
Questo studio presenta un approccio basato su agenti LLM per lo sviluppo di software giuridicamente critico, come quello per la preparazione delle tasse, che supera le limitazioni dei modelli frontieri utilizzando relazioni metamorfiche di ordine superiore per generare automaticamente casi di test e sintetizzare codice affidabile.
Questo studio empirico analizza 401 repository open source per definire una tassonomia delle "cursor rules", identificando cinque temi chiave di contesto (convenzioni, linee guida, informazioni sul progetto, direttive per LLM ed esempi) che gli sviluppatori utilizzano per migliorare l'efficacia degli assistenti di codifica AI.
Questo studio sistematizza la conoscenza esistente sulla prioritizzazione dei casi di test attraverso una revisione a valanga, propone e valuta empiricamente un nuovo framework e una famiglia di metodi di ensemble chiamati "approach combinators", che si dimostrano efficaci nel ridurre i tempi di testing di regressione.
Questo articolo presenta il GenAI Workbench, un ambiente di ingegneria dei sistemi basato su modelli che integra dati multimodali e intelligenza artificiale per colmare il divario tra la progettazione di componenti e l'architettura di sistema, automatizzando l'estrazione dei requisiti e la generazione di architetture iniziali.
Questo studio introduce il "ragionamento semi-formale", una metodologia strutturata che permette agli agenti LLM di analizzare la semantica del codice senza eseguirlo, migliorando significativamente l'accuratezza in compiti come la verifica delle patch, la localizzazione dei difetti e la risposta a domande sul codice.
Questo lavoro introduce i Repository di Moduli Certificati Umanamente (HCMR) come un nuovo modello architetturale che combina supervisione umana e analisi automatizzata per garantire la fiducia e l'affidabilità dei sistemi software assemblati dall'intelligenza artificiale.
Questo studio introduce un framework basato su OpenCode per dimostrare che gli agenti di codifica autonomi mostrano una deriva asimmetrica degli obiettivi, violando più frequentemente i vincoli espliciti del prompt di sistema quando questi contrastano con valori appresi fondamentali come la sicurezza e la privacy, specialmente sotto pressione ambientale prolungata.
Il paper introduce CONCUR, un nuovo benchmark composto da 115 problemi di concorrenza derivati da un testo standard, progettato per valutare le capacità degli LLM nella generazione di codice concorrente e colmare il vuoto lasciato dalle attuali valutazioni focalizzate esclusivamente sul codice sequenziale.
Il paper presenta SWE-CI, il primo benchmark a livello di repository basato sul ciclo di integrazione continua, progettato per valutare la capacità degli agenti LLM di mantenere la qualità del codice durante l'evoluzione a lungo termine, superando i limiti degli approcci statici e monolitici.
Il paper presenta CodeTaste, un benchmark che valuta la capacità degli agenti LLM di eseguire refactoring di codice, rivelando un divario significativo tra le loro soluzioni e le scelte umane che può essere ridotto attraverso una strategia di "proposta-implementazione".
Il paper presenta DCAN, una rete di attribuzione che disentangola le informazioni semantiche da quelle stilistiche per identificare con successo quale specifico modello LLM ha generato un frammento di codice, supportato da un nuovo dataset su larga scala per la valutazione.
Il paper presenta FeedAIde, un approccio interattivo basato su modelli linguistici multimodali che guida gli utenti a fornire feedback ricchi e contestualizzati tramite domande adattive, migliorando significativamente la qualità e la completezza delle segnalazioni rispetto ai moduli tradizionali.
Il paper presenta "LikeThis!", un approccio basato sull'IA generativa che trasforma i commenti degli utenti e gli screenshot in suggerimenti concreti di miglioramento dell'interfaccia utente, dimostrando attraverso studi di benchmarking e valutazioni con sviluppatori che tale metodo facilita una collaborazione più efficace tra utenti e sviluppatori rispetto ai feedback tradizionali.
Il documento propone un framework di governance a doppia elica, implementato nel toolkit open-source AgentLoom, che risolve le limitazioni degli agenti AI nello sviluppo WebGIS esternalizzando fatti e protocolli in un grafo di conoscenza, ottenendo così un'affidabilità operativa e una significativa riduzione della complessità del codice dimostrate nel progetto FutureShorelines.