Buchumschlag

DeepKnowledge: Generalisation-Driven Deep Learning Testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Missaoui, Sondess, Gerasimou, Simos, Matragkas, Nikolaos
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accelerating Policy Synthesis in Large-Scale MDPs via Hierarchical Adaptive Refinement
von: Evangelidis, Alexandros, et al.
Veröffentlicht: (2025)

Mind the Prompt: Self-adaptive Generation of Task Plan Explanations via LLMs
von: Vázquez, Gricel, et al.
Veröffentlicht: (2026)

Deep-Bench: Deep Learning Benchmark Dataset for Code Generation
von: Daghighfarsoodeh, Alireza, et al.
Veröffentlicht: (2025)

On the Replicability and Reproducibility of Deep Learning in Software Engineering
von: Liu, Chao, et al.
Veröffentlicht: (2020)

Robust Adversarial Quantification via Conflict-Aware Evidential Deep Learning
von: Barker, Charmaine, et al.
Veröffentlicht: (2025)

An Empirical Study of Fault Localisation Techniques for Deep Learning
von: Humbatova, Nargiz, et al.
Veröffentlicht: (2024)

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

Real Faults in Deep Learning Fault Benchmarks: How Real Are They?
von: Jahangirova, Gunel, et al.
Veröffentlicht: (2024)

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

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

Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent
von: Shah, Mehil B, et al.
Veröffentlicht: (2025)

SMARLA: A Safety Monitoring Approach for Deep Reinforcement Learning Agents
von: Zolfagharian, Amirhossein, et al.
Veröffentlicht: (2023)

Deep Recurrent Learning Through Long Short Term Memory and TOPSIS
von: Kamal, Rossi
Veröffentlicht: (2022)

Understanding LLM-Driven Test Oracle Generation
von: Bodicoat, Adam, et al.
Veröffentlicht: (2026)

Testing of Deep Reinforcement Learning Agents with Surrogate Models
von: Biagiola, Matteo, et al.
Veröffentlicht: (2023)

VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents
von: Xu, Bing, et al.
Veröffentlicht: (2026)

A Theoretical Analysis of Test-Driven Code Generation
von: Menet, Nicolas, et al.
Veröffentlicht: (2026)

FetaFix: Automatic Fault Localization and Repair of Deep Learning Model Conversions
von: Louloudakis, Nikolaos, et al.
Veröffentlicht: (2023)

Bayesian Program Learning by Decompiling Amortized Knowledge
von: Palmarini, Alessandro B., et al.
Veröffentlicht: (2023)

Enhancing Energy-Awareness in Deep Learning through Fine-Grained Energy Measurement
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2023)

SimCert: Probabilistic Certification for Behavioral Similarity in Deep Neural Network Compression
von: Li, Jingyang, et al.
Veröffentlicht: (2026)

The Impact of Software Testing with Quantum Optimization Meets Machine Learning
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence
von: DeepSeek-AI, et al.
Veröffentlicht: (2024)

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

Utilizing Deep Learning to Optimize Software Development Processes
von: Li, Keqin, et al.
Veröffentlicht: (2024)

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

MAFT: Efficient Model-Agnostic Fairness Testing for Deep Neural Networks via Zero-Order Gradient Search
von: Wang, Zhaohui, et al.
Veröffentlicht: (2024)

Can Search-Based Testing with Pareto Optimization Effectively Cover Failure-Revealing Test Inputs?
von: Sorokin, Lev, et al.
Veröffentlicht: (2024)

FlakyFix: Using Large Language Models for Predicting Flaky Test Fix Categories and Test Code Repair
von: Fatima, Sakina, et al.
Veröffentlicht: (2023)

Co-Located Tests, Better AI Code: How Test Syntax Structure Affects Foundation Model Code Generation
von: Jacopin, Éric
Veröffentlicht: (2026)

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

Code Generation by Differential Test Time Scaling
von: He, Yifeng, et al.
Veröffentlicht: (2026)

Mutation-Guided LLM-based Test Generation at Meta
von: Foster, Christopher, et al.
Veröffentlicht: (2025)

Protocode: Prototype-Driven Interpretability for Code Generation in LLMs
von: Bodla, Krishna Vamshi, et al.
Veröffentlicht: (2025)

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

Methodological Framework for Quantifying Semantic Test Coverage in RAG Systems
von: Broestl, Noah, et al.
Veröffentlicht: (2025)

RBT4DNN: Requirements-based Testing of Neural Networks
von: Mozumder, Nusrat Jahan, et al.
Veröffentlicht: (2025)

Your Compiler is Backdooring Your Model: Understanding and Exploiting Compilation Inconsistency Vulnerabilities in Deep Learning Compilers
von: Chen, Simin, et al.
Veröffentlicht: (2025)

Exploring the Integration of Large Language Models in Industrial Test Maintenance Processes
von: Liu, Jingxiong, et al.
Veröffentlicht: (2024)

Using Quality Attribute Scenarios for ML Model Test Case Generation
von: Brower-Sinning, Rachel, et al.
Veröffentlicht: (2024)