一项系统的文献回顾综合了2020年1月至2026年2月间的27项研究,以检查AI驱动的软件密集型嵌入式系统中的数据质量问题。该回顾确定了16个数据质量问题,分为来源和内容质量两类,并发现有证据表明这些问题与数据可信度和模型性能的降低有关。虽然运行时监控是最常见的评估方法,但上游和训练时控制与运行时保证的整合不佳,且没有研究涵盖完整的数据生命周期。 AI
影响 强调了可能破坏AI系统可靠性的关键数据质量问题,并强调了更好的生命周期管理的需求。
排序理由 该集群包含一篇详细介绍系统性文献回顾的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- data quality
- Data Trustworthiness Evaluation in Mobile Crowdsensing Systems with Users' Trust Dispositions' Consideration
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
- Software-Intensive Embedded Systems
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →