Buchumschlag

The Explabox: Model-Agnostic Machine Learning Transparency & Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Robeer, Marcel, Bron, Michiel, Herrewijnen, Elize, Hoeseni, Riwish, Bex, Floris
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Software Engineering I.2; D.2.5
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

COMET: Coverage-guided Model Generation For Deep Learning Library Testing
von: Li, Meiziniu, et al.
Veröffentlicht: (2022)

Enhancing Differential Testing With LLMs For Testing Deep Learning Libraries
von: Li, Meiziniu, et al.
Veröffentlicht: (2024)

Demystifying the Silence of Correctness Bugs in PyTorch Compiler
von: Li, Meiziniu, et al.
Veröffentlicht: (2026)

Assessing Data Augmentation-Induced Bias in Training and Testing of Machine Learning Models
von: More, Riddhi, et al.
Veröffentlicht: (2025)

An Analysis of LLM Fine-Tuning and Few-Shot Learning for Flaky Test Detection and Classification
von: More, Riddhi, et al.
Veröffentlicht: (2025)

Towards Explainable Test Case Prioritisation with Learning-to-Rank Models
von: Ramírez, Aurora, et al.
Veröffentlicht: (2024)

On the Mistaken Assumption of Interchangeable Deep Reinforcement Learning Implementations
von: Hundal, Rajdeep Singh, et al.
Veröffentlicht: (2025)

Review Beats Planning: Dual-Model Interaction Patterns for Code Synthesis
von: Miller, Jan
Veröffentlicht: (2026)

Abstain and Validate: A Dual-LLM Policy for Reducing Noise in Agentic Program Repair
von: Cambronero, José, et al.
Veröffentlicht: (2025)

SpecOps: A Fully Automated AI Agent Testing Framework in Real-World GUI Environments
von: Ahmed, Syed Yusuf, et al.
Veröffentlicht: (2026)

A Systematic Approach for Assessing Large Language Models' Test Case Generation Capability
von: Chang, Hung-Fu, et al.
Veröffentlicht: (2025)

MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning
von: Sartaj, Hassan, et al.
Veröffentlicht: (2024)

Runtime Execution Traces Guided Automated Program Repair with Multi-Agent Debate
von: Wu, Jiaqing, et al.
Veröffentlicht: (2026)

AgentAssay: Token-Efficient Regression Testing for Non-Deterministic AI Agent Workflows
von: Bhardwaj, Varun Pratap
Veröffentlicht: (2026)

From Untestable to Testable: Metamorphic Testing in the Age of LLMs
von: Terragni, Valerio
Veröffentlicht: (2026)

Addressing Data Leakage in HumanEval Using Combinatorial Test Design
von: Bradbury, Jeremy S., et al.
Veröffentlicht: (2024)

Experience with GitHub Copilot for Developer Productivity at Zoominfo
von: Bakal, Gal, et al.
Veröffentlicht: (2025)

Understanding and Detecting Flaky Builds in GitHub Actions
von: Ge, Wenhao, et al.
Veröffentlicht: (2026)

DeepCodeProbe: Towards Understanding What Models Trained on Code Learn
von: Majdinasab, Vahid, et al.
Veröffentlicht: (2024)

AuditRepairBench: A Paired-Execution Trace Corpus for Evaluator-Channel Ranking Instability in Agent Repair
von: Hu, Yuelin, et al.
Veröffentlicht: (2026)

LSPRAG: LSP-Guided RAG for Language-Agnostic Real-Time Unit Test Generation
von: Go, Gwihwan, et al.
Veröffentlicht: (2025)

CoTran: An LLM-based Code Translator using Reinforcement Learning with Feedback from Compiler and Symbolic Execution
von: Jana, Prithwish, et al.
Veröffentlicht: (2023)

RelRepair: Enhancing Automated Program Repair by Retrieving Relevant Code
von: Liu, Shunyu, et al.
Veröffentlicht: (2025)

Monitoring Agentic Systems Before They're Reliable
von: Boston, Marisa Ferrara, et al.
Veröffentlicht: (2026)

AIRA: AI-Induced Risk Audit: A Structured Inspection Framework for AI-Generated Code
von: Parris, William M.
Veröffentlicht: (2026)

Towards a Probabilistic Framework for Analyzing and Improving LLM-Enabled Software
von: Baldonado, Juan Manuel, et al.
Veröffentlicht: (2025)

CodeTracer: Towards Traceable Agent States
von: Li, Han, et al.
Veröffentlicht: (2026)

Test-Driven AI Agent Definition (TDAD): Compiling Tool-Using Agents from Behavioral Specifications
von: Rehan, Tzafrir
Veröffentlicht: (2026)

RMCBench: Benchmarking Large Language Models' Resistance to Malicious Code
von: Chen, Jiachi, et al.
Veröffentlicht: (2024)

Kajal: Extracting Grammar of a Source Code Using Large Language Models
von: Torkamani, Mohammad Jalili
Veröffentlicht: (2024)

The Specification as Quality Gate: Three Hypotheses on AI-Assisted Code Review
von: Zietsman, Christo
Veröffentlicht: (2026)

AgentModernize: Preserving Business Logic in Legacy Modernization with Multi-Agent LLMs and Behavioral Specification Graphs
von: Ahmed, Sheikh Nazib, et al.
Veröffentlicht: (2026)

Automated structural testing of LLM-based agents: methods, framework, and case studies
von: Kohl, Jens, et al.
Veröffentlicht: (2026)

Multi-Agent Code Verification via Information Theory
von: Rajan, Shreshth
Veröffentlicht: (2025)

AcTracer: Active Testing of Large Language Model via Multi-Stage Sampling
von: Huang, Yuheng, et al.
Veröffentlicht: (2024)

Validating Solidity Code Defects using Symbolic and Concrete Execution powered by Large Language Models
von: Susan, Ştefan-Claudiu, et al.
Veröffentlicht: (2025)

LLMLOOP: Improving LLM-Generated Code and Tests through Automated Iterative Feedback Loops
von: Ravi, Ravin, et al.
Veröffentlicht: (2026)

Tool Forge: A Validation-Carrying Toolchain for Governed Agentic Execution
von: Rao, Swanand
Veröffentlicht: (2026)

CodeEvolve: LLM-Driven Evolutionary Optimization with Runtime-Enriched Target Selection for Multi-Language Code Enhancement
von: Borra, Ajay Krishna, et al.
Veröffentlicht: (2026)

The Right Prompts for the Job: Repair Code-Review Defects with Large Language Model
von: Zhao, Zelin, et al.
Veröffentlicht: (2023)