研究人员评估了七种不同的测试输入生成策略，以查找张量内核中的错误，张量内核对于人工智能和机器学习计算至关重要。他们使用 RTX 3060 GPU 上的种子模糊器，发现仅边界形状采样是最有效和最安全的策略，在正确内核上实现了 78% 的错误召回率，且误报为零。虽然对抗性值采样可以实现更高的召回率，但由于注入了 NaN 和 Inf 值，误报率显著增加。 AI
影响 提高了核心 AI/ML 计算内核的可靠性，可能减少已部署模型中的错误。
排序理由 学术论文，详细介绍了一种测试软件组件的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
