Buchumschlag

A Framework to Model ML Engineering Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Morales, Sergio, Clarisó, Robert, Cabot, Jordi
Format:	Preprint
Veröffentlicht:	2024
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

LangBiTe: A Platform for Testing Bias in Large Language Models
von: Morales, Sergio, et al.
Veröffentlicht: (2024)

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

Vibe-driven model-based engineering
von: Cabot, Jordi
Veröffentlicht: (2026)

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

From Hazard Identification to Controller Design: Proactive and LLM-Supported Safety Engineering for ML-Powered Systems
von: Hong, Yining, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection
von: Sakhinana, Sagar Srinivas, et al.
Veröffentlicht: (2024)

Analyzing the Evolution and Maintenance of ML Models on Hugging Face
von: Castaño, Joel, et al.
Veröffentlicht: (2023)

A Large-Scale Study of Model Integration in ML-Enabled Software Systems
von: Sens, Yorick, et al.
Veröffentlicht: (2024)

ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
von: Abdelkader, Hala, et al.
Veröffentlicht: (2024)

Foundation Model Engineering: Engineering Foundation Models Just as Engineering Software
von: Ran, Dezhi, et al.
Veröffentlicht: (2024)

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

Consolidating TinyML Lifecycle with Large Language Models: Reality, Illusion, or Opportunity?
von: Wu, Guanghan, et al.
Veröffentlicht: (2025)

AgentSLA : Towards a Service Level Agreement for AI Agents
von: Jouneaux, Gwendal, et al.
Veröffentlicht: (2025)

Engineering LLM Powered Multi-agent Framework for Autonomous CloudOps
von: Parthasarathy, Kannan, et al.
Veröffentlicht: (2025)

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

A domain-specific language for describing machine learning datasets
von: Giner-Miguelez, Joan, et al.
Veröffentlicht: (2022)

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

WONDERBREAD: A Benchmark for Evaluating Multimodal Foundation Models on Business Process Management Tasks
von: Wornow, Michael, et al.
Veröffentlicht: (2024)

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

A Comprehensive Framework for Evaluating API-oriented Code Generation in Large Language Models
von: Wu, Yixi, et al.
Veröffentlicht: (2024)

Read, Extract, Classify: A Tool for Smarter Requirements Engineering
von: Bhattacharya, Paheli, et al.
Veröffentlicht: (2026)

When Your LLM Reaches End-of-Life: A Framework for Confident Model Migration in Production Systems
von: Casey, Emma, et al.
Veröffentlicht: (2026)

Hardness, Structural Knowledge, and Opportunity: An Analytical Framework for Modular Performance Modeling
von: Gheibi, Omid, et al.
Veröffentlicht: (2025)

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

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

LLMs in Coding and their Impact on the Commercial Software Engineering Landscape
von: Belozerov, Vladislav, et al.
Veröffentlicht: (2025)

The Software Diversity Card: A Framework for Reporting Diversity in Software Projects
von: Giner-Miguelez, Joan, et al.
Veröffentlicht: (2025)

A Reference Architecture of Reinforcement Learning Frameworks
von: Liu, Xiaoran, et al.
Veröffentlicht: (2026)

EGSS: Entropy-guided Stepwise Scaling for Reliable Software Engineering
von: Mao, Chenhui, et al.
Veröffentlicht: (2026)

Engineering FAIR Privacy-preserving Applications that Learn Histories of Disease
von: Duarte, Ines N., et al.
Veröffentlicht: (2026)

Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities
von: Afifi, Nehal, et al.
Veröffentlicht: (2025)

Predicting Fairness of ML Software Configurations
von: Herrera, Salvador Robles, et al.
Veröffentlicht: (2024)

SWE-Replay: Efficient Test-Time Scaling for Software Engineering Agents
von: Ding, Yifeng, et al.
Veröffentlicht: (2026)

SetupBench: Assessing Software Engineering Agents' Ability to Bootstrap Development Environments
von: Arora, Avi, et al.
Veröffentlicht: (2025)

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

SWE-MiniSandbox: Container-Free Reinforcement Learning for Building Software Engineering Agents
von: Yuan, Danlong, et al.
Veröffentlicht: (2026)

SynthTools: A Framework for Scaling Synthetic Tools for Agent Development
von: Castellani, Tommaso, et al.
Veröffentlicht: (2025)

A Regression Framework for Understanding Prompt Component Impact on LLM Performance
von: Lauziere, Andrew, et al.
Veröffentlicht: (2026)

SnipGen: A Mining Repository Framework for Evaluating LLMs for Code
von: Rodriguez-Cardenas, Daniel, et al.
Veröffentlicht: (2025)

Advancing Software Engineering in the AI-ML Paradigm: A Study of Optimized Methodologies and Obstacles
von: Dr. Rohan Jain and Dr. Leela Rao
Veröffentlicht: (2023)