SIERRA 是一个基于科学方法的框架,可加速智能系统研究的发展并提高结果的可重复性。它提供可复制性独立于执行环境和目标平台的自动化,并采用深度模块化方法,以消除手动实验配置和结果处理。
Mar, 2022
本文建议将缓存作为数据科学项目中研究软件开发过程的组成部分,以促进实验的重现性和可持续发展,从而实现对数据相关性越来越公平。
Nov, 2022
本文提出一种实用方法以提高交通工程算法的试验分析的再现性,并描述了实现 REPETITA 的设计和实现,这是一种软件工具,可以自动设置实验并简化交通工程算法的比较。
Oct, 2017
TestLab 是一款智能自动化软件测试框架,它使用人工智能来收集一组测试方法并将其自动化,以允许对软件系统进行连续的多层级测试,包括从开发人员到最终用户的不同层次,增强了传统自动化软件测试,可以通过源代码分析自动生成测试用例,旨在加速软件开发周期并减少漏洞
Jun, 2023
基于 CARLA 和 ScenarioRunner 的系统级仿真验证验证框架的实例化研究,以及其在自动驾驶系统的自动生成场景方面的有效性研究。
Nov, 2023
本研究提出了一个基于机器学习的数据生成框架,旨在辅助那些利用模拟来研究各种物理系统或过程的研究人员。我们的方法包括两个步骤:首先,我们使用有限的模拟数据训练监督预测模型来预测模拟结果;然后,我们使用强化学习代理来生成准确的、类似于模拟的数据,从而更有效地探索参数空间并深入了解物理系统或过程。我们通过两个案例研究:一个关注地震破裂物理,另一个关注新材料开发,证明了所提出框架的有效性。
May, 2023
ReScience 是一本基于 GitHub 上的同行评审期刊,旨在促进计算研究的显式复制,支持新的开源实现,以确保原始研究可以从其描述中复制。
Jul, 2017
CICheck 是一种运行时验证工具,旨在通过可靠性和隐私角度对因果关系发现算法进行加固。CICheck 采用一种声音且可判定的编码方案,将条件独立性关系问题转化为 SMT 问题,并通过四阶段决策过程和三个轻量级优化措施高效解决问题。CICheck 包含两个变体:ED-CICheck 和 ED-CICheck,分别用于检测错误的条件独立性测试(以提高可靠性)和修剪过多的条件独立性测试(以提高隐私性)。
Sep, 2023
通过构建名为因果室的计算机控制实验室,研究人员可以在各个领域中快速、廉价地生成大量来自非平凡但易理解的物理系统的数据集,并提供一种丰富的算法测试平台,解决因果发现、分布外泛化、变点检测、独立成分分析和符号回归等问题。
Apr, 2024
CAISAR 是一个用于评估 AI 系统稳健性和安全性的开源平台,通过为验证问题定义提供一个统一的入口,使用 WhyML 语言,集成当前先进的机器学习验证工具,以降低验证问题所需的方法学负担。
Jun, 2022