Buchumschlag

Towards Open Federated Learning Platforms: Survey and Vision from Technical and Legal Perspectives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Duan, Moming, Li, Qinbin, Jiang, Linshan, He, Bingsheng
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine Learning Systems: A Survey from a Data-Oriented Perspective
von: Cabrera, Christian, et al.
Veröffentlicht: (2023)

Deep Learning and Data Augmentation for Detecting Self-Admitted Technical Debt
von: Sutoyo, Edi, et al.
Veröffentlicht: (2024)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

Deep Configuration Performance Learning: A Systematic Survey and Taxonomy
von: Gong, Jingzhi, et al.
Veröffentlicht: (2024)

Toward Debugging Deep Reinforcement Learning Programs with RLExplorer
von: Bouchoucha, Rached, et al.
Veröffentlicht: (2024)

A Cartography of Open Collaboration in Open Source AI: Mapping Practices, Motivations, and Governance in 14 Open Large Language Model Projects
von: Linåker, Johan, et al.
Veröffentlicht: (2025)

A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms
von: Raheem, Mira, et al.
Veröffentlicht: (2025)

Towards Transparent and Accurate Diabetes Prediction Using Machine Learning and Explainable Artificial Intelligence
von: Khokhar, Pir Bakhsh, et al.
Veröffentlicht: (2025)

Advancing Software Security and Reliability in Cloud Platforms through AI-based Anomaly Detection
von: Saleh, Sabbir M., et al.
Veröffentlicht: (2024)

Challenges and Paths Towards AI for Software Engineering
von: Gu, Alex, et al.
Veröffentlicht: (2025)

Federated Data Analytics for Cancer Immunotherapy: A Privacy-Preserving Collaborative Platform for Patient Management
von: Raheem, Mira, et al.
Veröffentlicht: (2025)

Scaling Down to Scale Up: A Cost-Benefit Analysis of Replacing OpenAI's LLM with Open Source SLMs in Production
von: Irugalbandara, Chandra, et al.
Veröffentlicht: (2023)

BitsAI-Fix: LLM-Driven Approach for Automated Lint Error Resolution in Practice
von: Li, Yuanpeng, et al.
Veröffentlicht: (2025)

The Unreasonable Effectiveness of Open Science in AI: A Replication Study
von: Gundersen, Odd Erik, et al.
Veröffentlicht: (2024)

Dissecting Transformers: A CLEAR Perspective towards Green AI
von: Jain, Hemang, et al.
Veröffentlicht: (2025)

ProToken: Token-Level Attribution for Federated Large Language Models
von: Gill, Waris, et al.
Veröffentlicht: (2026)

Towards a Neural Debugger for Python
von: Beck, Maximilian, et al.
Veröffentlicht: (2026)

Explainable Artificial Intelligence Techniques for Software Development Lifecycle: A Phase-specific Survey
von: Arora, Lakshit, et al.
Veröffentlicht: (2025)

Predicting Open Source Software Sustainability with Deep Temporal Neural Hierarchical Architectures and Explainable AI
von: Karim, S M Rakib Ul, et al.
Veröffentlicht: (2026)

OpenClassGen: A Large-Scale Corpus of Real-World Python Classes for LLM Research
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2025)

Understanding the Helpfulness of Stale Bot for Pull-based Development: An Empirical Study of 20 Large Open-Source Projects
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2023)

A Survey on Code Generation with LLM-based Agents
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

Toward Explaining Large Language Models in Software Engineering Tasks
von: Vitale, Antonio, et al.
Veröffentlicht: (2025)

Towards Robust Agentic CUDA Kernel Benchmarking, Verification, and Optimization
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2025)

Exploring Pass-Rate Reward in Reinforcement Learning for Code Generation
von: Li, Xin-Ye, et al.
Veröffentlicht: (2026)

Towards Evaluation Engineering: An Empirical Study of ML Evaluation Harnesses in the Wild
von: Zhao, Zhimin, et al.
Veröffentlicht: (2026)

PeaTMOSS: A Dataset and Initial Analysis of Pre-Trained Models in Open-Source Software
von: Jiang, Wenxin, et al.
Veröffentlicht: (2024)

Towards More Trustworthy and Interpretable LLMs for Code through Syntax-Grounded Explanations
von: Palacio, David N., et al.
Veröffentlicht: (2024)

Towards Practical Defect-Focused Automated Code Review
von: Lu, Junyi, et al.
Veröffentlicht: (2025)

MIST-RL: Mutation-based Incremental Suite Testing via Reinforcement Learning
von: Zhu, Sicheng, et al.
Veröffentlicht: (2026)

Towards Engineering Fair and Equitable Software Systems for Managing Low-Altitude Airspace Authorizations
von: Gohar, Usman, et al.
Veröffentlicht: (2024)

Legal Aspects for Software Developers Interested in Generative AI Applications
von: Herbold, Steffen, et al.
Veröffentlicht: (2024)

Protocol-Driven Development: Governing Generated Software Through Invariants and Continuous Evidence
von: He, Jun, et al.
Veröffentlicht: (2026)

Promise and Peril of Collaborative Code Generation Models: Balancing Effectiveness and Memorization
von: Chen, Zhi, et al.
Veröffentlicht: (2024)

Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads
von: Jin, Jiayin, et al.
Veröffentlicht: (2025)

Can Requirements Engineering Support Explainable Artificial Intelligence? Towards a User-Centric Approach for Explainability Requirements
von: Umm-e-Habiba, et al.
Veröffentlicht: (2022)

daVinci-Agency: Unlocking Long-Horizon Agency Data-Efficiently
von: Jiang, Mohan, et al.
Veröffentlicht: (2026)

Sketch-and-Verify: Structured Inference-Time Scaling via Program Sketching
von: Jiang, Shan, et al.
Veröffentlicht: (2026)

Semantic Voting: Execution-Grounded Consensus for LLM Code Generation
von: Jiang, Shan, et al.
Veröffentlicht: (2026)

BatCoder: Self-Supervised Bidirectional Code-Documentation Learning via Back-Translation
von: Xu, Jingwen, et al.
Veröffentlicht: (2026)