Buchumschlag

Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiao, Yisong, Liu, Aishan, Li, Tianlin, Liu, Xianglong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fairness Mediator: Neutralize Stereotype Associations to Mitigate Bias in Large Language Models
von: Xiao, Yisong, et al.
Veröffentlicht: (2025)

BDefects4NN: A Backdoor Defect Database for Controlled Localization Studies in Neural Networks
von: Xiao, Yisong, et al.
Veröffentlicht: (2024)

Concolic Testing on Individual Fairness of Neural Network Models
von: Huang, Ming-I, et al.
Veröffentlicht: (2025)

CodeChemist: Functional Knowledge Transfer for Low-Resource Code Generation via Test-Time Scaling
von: Wang, Kaixin, et al.
Veröffentlicht: (2025)

Latent Regularization in Generative Test Input Generation
von: Merabishvili, Giorgi, et al.
Veröffentlicht: (2026)

From Context to Intent: Reasoning-Guided Function-Level Code Completion
von: Li, Yanzhou, et al.
Veröffentlicht: (2025)

Model Cascading for Code: A Cascaded Black-Box Multi-Model Framework for Cost-Efficient Code Completion with Self-Testing
von: Chen, Boyuan, et al.
Veröffentlicht: (2024)

DeepGD: A Multi-Objective Black-Box Test Selection Approach for Deep Neural Networks
von: Aghababaeyan, Zohreh, et al.
Veröffentlicht: (2023)

Diversity Drives Fairness: Ensemble of Higher Order Mutants for Intersectional Fairness of Machine Learning Software
von: Chen, Zhenpeng, et al.
Veröffentlicht: (2024)

NeuSemSlice: Towards Effective DNN Model Maintenance via Neuron-level Semantic Slicing
von: Zhou, Shide, et al.
Veröffentlicht: (2024)

Investigating Training Data Detection in AI Coders
von: Li, Tianlin, et al.
Veröffentlicht: (2025)

Generating Realistic, Diverse, and Fault-Revealing Inputs with Latent Space Interpolation for Testing Deep Neural Networks
von: Duan, Bin, et al.
Veröffentlicht: (2025)

LLM-Powered Test Case Generation for Detecting Bugs in Plausible Programs
von: Liu, Kaibo, et al.
Veröffentlicht: (2024)

Distribution-aware Fairness Test Generation
von: Rajan, Sai Sathiesh, et al.
Veröffentlicht: (2023)

Leveraging Imperfect Sources to Detect Fairwashing in Black-Box Auditing
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2023)

From Particles to Perils: SVGD-Based Hazardous Scenario Generation for Autonomous Driving Systems Testing
von: Liang, Linfeng, et al.
Veröffentlicht: (2026)

FairQuant: Certifying and Quantifying Fairness of Deep Neural Networks
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2024)

Generative AI to Generate Test Data Generators
von: Baudry, Benoit, et al.
Veröffentlicht: (2024)

FairFLRep: Fairness aware fault localization and repair of Deep Neural Networks
von: Openja, Moses, et al.
Veröffentlicht: (2025)

Software Development Life Cycle Perspective: A Survey of Benchmarks for Code Large Language Models and Agents
von: Wang, Kaixin, et al.
Veröffentlicht: (2025)

Data vs. Model Machine Learning Fairness Testing: An Empirical Study
von: Shome, Arumoy, et al.
Veröffentlicht: (2024)

HyperNet-Adaptation for Diffusion-Based Test Case Generation
von: Weißl, Oliver, et al.
Veröffentlicht: (2026)

Otter: Generating Tests from Issues to Validate SWE Patches
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

Bringing Structure to Naturalness: On the Naturalness of ASTs
von: Pârţachi, Profir-Petru, et al.
Veröffentlicht: (2025)

Enhancing LLM-Based Test Generation by Eliminating Covered Code
von: Xu, WeiZhe, et al.
Veröffentlicht: (2026)

Using Large Language Models to Generate JUnit Tests: An Empirical Study
von: Siddiq, Mohammed Latif, et al.
Veröffentlicht: (2023)

PRIMG : Efficient LLM-driven Test Generation Using Mutant Prioritization
von: Bouafif, Mohamed Salah, et al.
Veröffentlicht: (2025)

ExplainFuzz: Explainable and Constraint-Conditioned Test Generation with Probabilistic Circuits
von: Baiget, Annaëlle, et al.
Veröffentlicht: (2026)

PrismaDV: Automated Task-Aware Data Unit Test Generation
von: Chen, Hao, et al.
Veröffentlicht: (2026)

Applications and Challenges of Fairness APIs in Machine Learning Software
von: Das, Ajoy, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2023)

Clotho: Measuring Task-Specific Pre-Generation Test Adequacy for LLM Inputs
von: Yoon, Juyeon, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2024)

PPO guided Agentic Pipeline for Adaptive Prompt Selection and Test Case Generation
von: Koushik, Gourisetty Venkata Sai, et al.
Veröffentlicht: (2026)

A Catalog of Fairness-Aware Practices in Machine Learning Engineering
von: Voria, Gianmario, et al.
Veröffentlicht: (2024)

Contexts Matter: An Empirical Study on Contextual Influence in Fairness Testing for Deep Learning Systems
von: Du, Chengwen, et al.
Veröffentlicht: (2024)

Think Anywhere in Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2026)

Enabling Global, Human-Centered Explanations for LLMs:From Tokens to Interpretable Code and Test Generation
von: Khati, Dipin, et al.
Veröffentlicht: (2025)

NaturalCodeBench: Examining Coding Performance Mismatch on HumanEval and Natural User Prompts
von: Zhang, Shudan, et al.
Veröffentlicht: (2024)

Productively Deploying Emerging Models on Emerging Platforms: A Top-Down Approach for Testing and Debugging
von: Feng, Siyuan, et al.
Veröffentlicht: (2024)