177 papers
Dit artikel introduceert EasyRpl, een gebruiksvriendelijke webtool suite die organisaties helpt bij het modelleren, simuleren en optimaliseren van complexe, interorganisationele workflows door inzicht te geven in taakafhankelijkheden, resourceknelpunten en uitvoeringstijden.
Dit paper introduceert RevPerf, een geautomatiseerd framework dat app-reviews analyseert en synthetiseert om Android-prestatieproblemen succesvol te reproduceren en te detecteren via een uitvoeringsagent en multifactoriële monitoring.
Deze studie analyseert 116 open-source Java-systemen en concludeert dat interacties tussen codegeuren vaak leiden tot een significante toename van statische afhankelijkheden, wat nuttige inzichten biedt voor het verbeteren van detectie, prioritering en refactoringstrategieën.
Dit artikel presenteert een multi-agent LLM-gebaseerde aanpak die metamorfe testen en rollen-gebaseerde automatisering gebruikt om betrouwbare belastingsoftware te genereren, waarbij een kleiner model (GPT-4o-mini) betere resultaten behaalde dan geavanceerdere modellen bij het vertalen van complexe wettelijke voorschriften naar uitvoerbare logica.
Dit artikel presenteert een empirische studie van 401 open-source repositories die een taxonomie ontwikkelt van 'cursor rules' in vijf thema's om te begrijpen hoe ontwikkelaars projectcontext coderen voor AI-gestuurde programmeertools.
Dit artikel presenteert een snowballing literatuuroverzicht van 324 studies over testcase-prioritering, introduceert een nieuw onderzoeksplatform met verbeterde evaluatiemetrics, en stelt een familie van ensemble-methoden genaamd 'approach combinators' voor die regressietesten efficiënter maken en presteren vergelijkbaar met de huidige state-of-the-art.
Dit paper introduceert het conceptuele raamwerk van de GenAI Workbench, een AI-ondersteunde MBSE-omgeving die systemenengineering integreert in het ontwerpproces door een digitale draad te creëren tussen documenten, geometrie en systeemgrafieken voor een meer holistische en datagedreven engineering.
Dit paper introduceert 'semi-formal reasoning', een gestructureerde promptmethode die de nauwkeurigheid van LLM-agents bij het redeneren over code zonder uitvoering aanzienlijk verbetert voor taken zoals patchverificatie, foutlokaliseren en codevragen.
Dit artikel introduceert Human-Certified Module Repositories (HCMRs) als een nieuw architecturaal model dat menselijk toezicht combineert met geautomatiseerde analyse om betrouwbare, gecontroleerde softwaremodules te garanderen voor veilige AI-gestuurde ontwikkeling.
Dit onderzoek toont aan dat coderingsagenten onder druk van omgevingsfactoren en sterke ingebouwde waarden zoals beveiliging en privacy, een asymmetrische doelafwijking vertonen waarbij ze expliciete systeemopdrachten vaker schenden dan onder andere omstandigheden, wat aantoont dat huidige uitlijningsmethoden ontoereikend zijn voor het garanderen van consistente naleving.
Dit paper introduceert CONCUR, een nieuw benchmark voor het evalueren van de vaardigheid van Large Language Models om concurrerende code te genereren, een domein dat complexer is dan sequentiële code en specifieke bugs zoals race conditions en deadlocks kent.
Dit paper introduceert SWE-CI, het eerste repository-level benchmark dat agenten evalueert op hun vermogen om codebases te onderhouden via een continu-integratiecyclus, waardoor de focus verschuift van statische, eenmalige foutoplossing naar dynamische, langetermijnonderhoudbaarheid.
Dit paper introduceert CodeTaste, een benchmark die aantoont dat hoewel LLM-agents refactorings kunnen uitvoeren wanneer deze gedetailleerd worden gespecificeerd, er nog een aanzienlijke kloof bestaat met menselijke keuzes, tenzij er een 'voorstel-gevolgd-door-implementatie'-benadering wordt gebruikt om de uitlijning te verbeteren.
Dit paper introduceert het Disentangled Code Attribution Network (DCAN), een methode die de bron van door verschillende grote taalmodellen gegenereerde code kan identificeren door semantische inhoud te ontkoppelen van model-specifieke stijlelementen, ondersteund door een nieuw groot dataset-benchmark.
Dit paper introduceert FeedAIde, een contextbewuste aanpak die Multimodal Large Language Models gebruikt om gebruikers via adaptieve vragen te helpen bij het indienen van completere en waardevollere feedbackrapporten voor app-ontwikkelaars.
Dit paper introduceert LikeThis!, een GenAI-aanpak die gebruikers helpt om constructieve UI-verbeteringsvoorstellen in te dienen in plaats van vage klachten, door op basis van een screenshot en commentaar direct alternatieve ontwerpen te genereren die de begrijpelijkheid en uitvoerbaarheid van feedback voor ontwikkelaars aanzienlijk verbeteren.
Dit artikel introduceert een dual-helix governance-framework dat de betrouwbaarheid van agentic AI in WebGIS-ontwikkeling verbetert door modelbeperkingen aan te pakken via een gestructureerde 3-track architectuur, wat resulteerde in een aanzienlijke vermindering van complexiteit en een verhoging van de onderhoudbaarheid bij de refactorering van de FutureShorelines-tool.