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。