AdaStop框架通过管理标注成本优化深度神经网络测试

研究人员开发了AdaStop，一个新颖的框架，旨在通过智能管理标注成本来优化深度神经网络（DNN）的测试。AdaStop将测试视为一个成本效益决策过程，解决了确定适当标注预算的挑战。它估计边际故障发现率，并在该比率低于预定阈值时停止标注，从而减少不必要的开支，同时仍能发现模型中的大部分故障。 AI

影响 优化深度神经网络测试效率，通过最大限度地减少不必要的标注，可能降低开发人员和研究人员的成本。

排序理由 该条目是一篇在arXiv上发表的研究论文，详细介绍了一种用于测试深度神经网络的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AdaStop
• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• cs.AI
• DagsHub
• deep neural network
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Litmaps
• machine learning
• ScienceCast
• scite Smart Citations

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →