Buchumschlag

Concolic Testing on Individual Fairness of Neural Network Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Ming-I, Hong, Chih-Duo, Yu, Fang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Influence-Guided Concolic Testing of Transformer Robustness
von: Hong, Chih-Duo, et al.
Veröffentlicht: (2025)

Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing
von: Xiao, Yisong, et al.
Veröffentlicht: (2023)

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

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

Quantum Concolic Testing
von: Xia, Shangzhou, et al.
Veröffentlicht: (2024)

NeuFair: Neural Network Fairness Repair with Dropout
von: Dasu, Vishnu Asutosh, et al.
Veröffentlicht: (2024)

Concolic Testing of JavaScript using Sparkplug
von: Li, Zhe, et al.
Veröffentlicht: (2024)

Hybrid Concolic Testing with Large Language Models for Guided Path Exploration
von: Eslamimehr, Mahdi
Veröffentlicht: (2026)

FAST: Boosting Uncertainty-based Test Prioritization Methods for Neural Networks via Feature Selection
von: Chen, Jialuo, et al.
Veröffentlicht: (2024)

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

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

Fairpriori: Improving Biased Subgroup Discovery for Deep Neural Network Fairness
von: Zhou, Kacy, et al.
Veröffentlicht: (2024)

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

Toward Efficient Testing of Graph Neural Networks via Test Input Prioritization
von: Yang, Lichen, et al.
Veröffentlicht: (2025)

Cottontail: Large Language Model-Driven Concolic Execution for Highly Structured Test Input Generation
von: Tu, Haoxin, et al.
Veröffentlicht: (2025)

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

Workflow-Level Design Principles for Trustworthy GenAI in Automotive System Engineering
von: Cheng, Chih-Hong, et al.
Veröffentlicht: (2026)

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

ModelVerification.jl: a Comprehensive Toolbox for Formally Verifying Deep Neural Networks
von: Wei, Tianhao, et al.
Veröffentlicht: (2024)

GPU Temperature Simulation-Based Testing for In-Vehicle Deep Learning Frameworks
von: Zou, Yinglong, et al.
Veröffentlicht: (2025)

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

Prefetching Cache Optimization Using Graph Neural Networks: A Modular Framework and Conceptual Analysis
von: Qowy, F. I.
Veröffentlicht: (2025)

RLHGNN: Reinforcement Learning-driven Heterogeneous Graph Neural Network for Next Activity Prediction in Business Processes
von: Wang, Jiaxing, et al.
Veröffentlicht: (2025)

Adaptive Reinforcement Learning for Dynamic Configuration Allocation in Pre-Production Testing
von: Zhu, Yu
Veröffentlicht: (2025)

AutoSpec: Automated Generation of Neural Network Specifications
von: Jin, Shuowei, 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)

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

DANDI: Diffusion as Normative Distribution for Deep Neural Network Input
von: Kim, Somin, et al.
Veröffentlicht: (2025)

VNN: Verification-Friendly Neural Networks with Hard Robustness Guarantees
von: Baninajjar, Anahita, et al.
Veröffentlicht: (2023)

FROAV: A Framework for RAG Observation and Agent Verification -- Lowering the Barrier to LLM Agent Research
von: Lin, Tzu-Hsuan, et al.
Veröffentlicht: (2026)

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

Unified Implementations of Recurrent Neural Networks in Multiple Deep Learning Frameworks
von: Martinuzzi, Francesco
Veröffentlicht: (2025)

Comparative Separation: Evaluating Separation on Comparative Judgment Test Data
von: Xi, Xiaoyin, et al.
Veröffentlicht: (2026)

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

FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software
von: Yu, Normen, et al.
Veröffentlicht: (2024)

Whence Is A Model Fair? Fixing Fairness Bugs via Propensity Score Matching
von: Peng, Kewen, et al.
Veröffentlicht: (2025)

Phoeni6: a Systematic Approach for Evaluating the Energy Consumption of Neural Networks
von: Oliveira-Filho, Antônio, et al.
Veröffentlicht: (2025)

DEM: A Method for Certifying Deep Neural Network Classifier Outputs in Aerospace
von: Katz, Guy, et al.
Veröffentlicht: (2024)

RM -RF: Reward Model for Run-Free Unit Test Evaluation
von: Bruches, Elena, et al.
Veröffentlicht: (2026)

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