基于推理的软件测试

Mar, 2023

Reasoning-Based Software Testing

Luca Giamattei, Roberto Pietrantuono, Stefano Russo

TL;DRRBST 提出一种新的软件测试思路，即将测试问题视为因果推理任务，通过利用因果推理的工具来智能化测试搜索过程，与基于经验学习的策略相比具有更高的自然性和灵活性，其初步结果是有前途的。

Abstract

With software systems becoming increasingly pervasive and autonomous, our ability to test for their quality is severely challenged. Many systems are called to operate in uncertain and highly-changing environment, not rarely required to make intelligent decisions by themselves. This easily results in an intractable state space to explore at testing time. The

reasoning-based software testing causal reasoning intuition-based learning state-of-the-art techniques ml-driven testing

发现论文，激发创造

系统评估推理捷径的基准套件

强大的神经分类器的出现增加了对既需要学习又需要推理的问题的兴趣，该研究论文介绍了一个包含任务评估、概念质量评估和推理快捷方式验证的综合基准套件，旨在系统地评估推理快捷方式对模型的影响。

Jun, 2024

基于本体论的软件测试智能系统的开发

通过本篇文章介绍的本体技术的应用，可以通过自然语言处理和元数据创建，构建支持多种环境的测试管理知识库来实现同时教授编程基础和测试概念，从而提高程序员的能力，以促进行业进步。

Feb, 2013

基于搜索的强化学习测试

研究开发了基于搜索的深度强化学习测试框架，用于评估深度强化学习代理的性能和安全性，其中包括利用搜索算法进行参考跟踪的安全测试和创建多样化的跟踪以评估代理的总体性能。

May, 2022

使用搜索方法的深度强化学习智能体测试方法

利用遗传算法和机器学习模型，提出了 STARLA，一种搜索 DRL 代理策略的方法。我们将其应用于广泛使用的 Deep-Q-Learning 代理，表明它比随机测试更能发现与代理策略有关的故障，并研究了如何提取描述 DRL 代理故障情况的规则。

Jun, 2022

STaR: 带着推理进行推理的自举

本文提出了一种名为 Self-Taught Reasoner (STaR) 的技术，该技术利用少量的依据样本和大型没有依据的数据集迭代提高语言模型的理解和应用复杂推理的能力，通过生成推理和反馈微调模型来逐步提升模型的性能，相比于直接预测答案的模型，STaR 在多个数据集上都有显著的性能提升，并与 30 倍大的最先进语言模型的微调性能相媲美，为模型通过自我生成的推理学习提供了可能。

Mar, 2022

在人工智能代理中评估科学思维

孩子们表现出惊人的学习和思考能力，与形式化的研究中的科学推理方法非常相似。本研究利用 Blicket 检测建立了交互式 EST 环境，旨在评估人工智能的科学思维能力，研究发现今天的学习方法在科学思考中具有低效性，需要未来的研究来构建人类类似的智能。

Jun, 2022

基于案例推理的自然语言查询知识库

本文提出了一种神经符号 CBE 方法，包括非参数记忆库和参数模型，能够对大型知识库中的问题进行问答，展示了在 ComplexWebQuestions 数据集上超越当前最新技术 11％的性能并显示出只需少量的人工标记示例，就能使用新案例的能力。

Apr, 2021

后语义思维：从大规模语言模型中提炼推理能力的强大策略

通过链式思维微调策略，我们提出了一种强大的后语义思考策略 (Post-Semantic-Thinking, PST)，旨在通过在表达方式上不受限制地生成答案，使得小型学生模型能够更好地理解基于语义推理的逻辑。广泛的实验在 12 个推理任务上证明了 PST 的有效性。

Apr, 2024

信念规则库混合专家系统的综合调查：决策科学与专业服务的桥梁

使用混合方法的信念规则库（Belief Rule Base，BRB）系统可以处理模糊性、随机性和无知，既能处理数值数据又能处理来自不同来源的语言知识，具有很强的适用性。本研究旨在探索 BRB 的演变和多方面应用，并通过分析其在不同领域的发展，强调 BRB 在传统上难以被技术破坏领域（特别是保险和法律）中革新的潜力。

Feb, 2024

使用领域专家的关键状态进行自适应故障搜索

应用数据驱动方法学习可用于指导 AST 中的故障搜索的分类器，该方法结合了重要状态，增加了一个自主驾驶策略中的安全违规案例。

Apr, 2023