报告题目： 面向深度学习模型的回归缺陷研究
报 告 人： 王赞
报告时间：5月9日10:00-11:00
报告地点：计算机学院A501
摘要:
在大模型时代，深度学习系统仍然在多个领域得到了广泛应用，其质量问题受到人工智能和软件工程两个社区的共同关注。与传统软件类似，随着深度学习系统的不断演进，它们也可能会遇到回归缺陷的问题。为了有效地识别这些错误，我们做了广泛调研并开发了一种名为DRFuzz的回归模糊测试技术。DRFuzz基于多样性测试标准，结合生成对抗网络，在保证测试用例真实性的基础上，深入检测多种错误行为。实验结果表明，与目前最先进的两种方法相比，DRFuzz在检测回归错误的数量上有了显著的提升，这充分证明了DRFuzz在检测深度学习系统回归错误方面的有效性。
王赞，天津大学教授、博士生导师。长期致力于人工智能质量保障、软件工程相关领域的研究，主要研究方向为：深度学习系统质量保障，基础软件测试等。近五年在软件工程领域内的国内外高水平会议及期刊（包括ICSE、FSE、ASE、TSE、TOSEM及计算机学报、软件学报等）发表学术论文20余篇，其中FSE2020的文章“Deep Learning Library Testing via Effective Model Generation”获得ACM SIGSoft Distinguished Paper Award。近五年作为负责人承担包括国家自然科学基金项目在内的多项课题。以第一完成人身份荣获省部级科技进步二等奖一项。获得天津市教学成果二等奖两项。
