选自arXiv 机器之心编译 参与:黄小天、刘晓坤 自动 bug 归类算法可以被形式化为分类任务,其中主要挑战在于 bug 描述通常包含噪声。在这项研究中,作者提出了一种新型 bug 报告表征算法 DBRNN-A,能无监督地学习长词序列的句法和语义特征,以及语境表征。他们主要使用了未修复的 bug 报告,而过去的研究都没有重视这一点。此外,作者还开源了整个数据集、具体的数据集划分以及源代码,使得该研究可复现。 在通常的过程中,终端用户在系统上工作时遇到 bug(也称为问题或缺陷),并在 bug 追踪系统中报
本地化 Bug 并修复程序是软件开发过程中的重要任务。在本篇论文中,来自微软 Cloud+AI 部门的研究者介绍了 DeepDebug,一种使用大型预训练模型 transformer 进行自动 debug 的方法。
写代码是软件工程师们每天的工作,但当你辛辛苦苦写了一大堆代码,却发现无法运行的时候,内心一定是崩溃的。
机器之心报道 机器之心编辑部 还在为不断的 debug 代码烦恼吗? 本地化 Bug 并修复程序是软件开发过程中的重要任务。在本篇论文中,来自微软 Cloud+AI 部门的研究者介绍了 DeepDebug,一种使用大型预训练模型 transformer 进行自动 debug 的方法。 首先,研究者基于 20 万个库中的函数训练了反向翻译模型。接下来,他们将注意力转向可以对其执行测试的 1 万个库,并在这些已经通过测试的库中创建所有函数的 buggy 版本。这些丰富的调试信息,例如栈追踪和打印语句,可以用
前不久,桓哥的分享PPT中提到了Toulmin论证模型,并在其中提到了这么一句话“尝试建议:用Toulmin模型指导编写BUG报告(特别是容易被忽略限定部分,即BUG隔离)”。 恰逢我在整理合作方离岸方案中,涉及到统一BUG提交模板,来规范各合作方的BUG输出,并且减少其在不同项目间切换时提交BUG的学习成本。 于是想着能否将Toulmin论证模型应用到BUG编写报告中,其作用主要包括: 1、强调限定部分、及其准确性 2、通过加强限定部分,简短bug描述步骤 首先,我先调研了下目前BUG报告的现状,看看合作
随着软件项目规模和复杂性的增大,有效跟踪和管理项目中存在的缺陷Bug变得越来越重要。每一个软件企业都需要妥善处理软件中的缺陷,这将直接关系到软件过程质量与软件产品质量,但并非所有的软件组织都知道如何有效地管理自己软件中的缺陷。在软件缺陷管理(Software Defect Management)中,软件缺陷的分类和管理非常重要,因此软件缺陷管理工具的开发和使用将在现代软件开发中发挥重要作用。本系列文章将使用UML2.0对Bug管理系统进行全程建模,该系统名为缺陷管理系统(Bug Management System, BMS),并按照软件工程的标准,提供一套完整的解决方案。
软件测试是软件质量保证的关键步骤。越早发现软件中存在的问题,修复问题的成本就越低,软件质量也就越高,软件发布后的维护费用越低。
- 添加 3 个旋转检测算子,分别是 RotatedFeatureAlign、RiRoIAlignRotated、PointsInPolygons
一般情况下有输入框的时候会考虑用到等价类;当出现最大最小、最轻最重字眼的时候会用到边界值来考虑测试点;当出现业务流程的时候会考虑场景法和流程分析法。
---- 新智元报道 编辑:桃子 好困 【新智元导读】OpenAI撒钱了!找到BUG者,最高奖赏2万美金,当然了越狱不算。这才发布不久,已经有人想着靠它发家致富了。 ChatGPT正红的发紫,但存在不少的漏洞问题也引发许多人的担忧。 就比如上个月,ChatGPT出现了能够看到别人聊天记录的重大BUG。当时,OpenAI不得不将ChatGPT下线调查问题,把锅扔给了开源库的错误。 今天,OpenAI宣布了一个bug赏金计划,赏金从200美元到20000美元不等。 如果想要得到2万美金(近14万),那
作者:perryprli 腾讯WXG工程师 |导语 iFeedback智能分类系统,提供了基于BERT模型分类和基于规则分类两种模式,通过对海量用户反馈进行快速自动化分类/打标签,提高了问题跟进和反馈分析处理的效率。 1 背景 iFeedback用户反馈平台目前接入了公司各BG应用300+个,日均反馈量1000万+,总反馈量70亿+。海量反馈内容多样,很多业务场景都需要对反馈进行分类处理。然而,人工分类效率低下,需要耗费大量的人力和时间。因此,我们提供了反馈智能分类功能,用户可以采用基于BERT模型或
谷歌团队 2015 年发布的 TensorFlow 框架是目前机器学习领域最流行的框架之一。虽然后起之秀 PyTorch 奋起直追,但 TensorFlow 框架的使用者仍然众多。
最近,一位从事NLP工程师Gupta发现了TensorFlow存在的一个严重bug:
机器学习生命周期功能可以使数据科学家将模型投产时间从之前数周缩短至几分钟,同时可以扩展ML场景用例,并同时具备企业级安全,可维护以及数据治理的支持。
博雯 发自 凹非寺 量子位 | 公众号 QbitAI 输入简单的关键字,就能给3A大作找Bug? 好,先来看看GTA5,输入A car flying in the air(空中汽车): 随手点开一个视频……这牛逼的物理引擎,不愧是你! 就用这种简单的方法,我们找到了荒野大镖客的空中飞马: (打一枪还能变成真·马达) 还有老滚5的“桶中人”: 目前,Bug的搜索范围包括赛博朋克2077、巫师3、孤岛惊魂5等多个3大作在内的1873个游戏,共计26954个视频。 而且还不需要任何的视频标题和其他属性,
目的:验证软件有或没有问题。 原则:以客户为中心,遵循软件测试的规范、流程、标准和要求。
OpenAI最近的拖延症状逐渐严重,不仅GPT-5遥遥无期,前几天还宣布GPG-4o的语音功能将推迟一个月发布。
下面我们继续了解下 2 月 OpenMMLab 各个算法库都有哪些亮点功能发布吧~
差分自回归移动平均模型(ARIMA)是时间序列分析和预测领域流行的一个线性模型。
安妮 编译自 Hackernoon 量子位出品 | 公众号 QbitAI 昨天,年仅18岁的iOS app开发者Alex Wulff在Hackrnoon上发布了一篇教程,手把手教你如何将苹果在WWDC上发布的众多API应用到你的电脑上。量子位全文编译如下: △ Alex Wulff iOS 11真的来了。 苹果在iOS 11里引入了本地机器学习和机器视觉框架,承诺这将促进app和游戏的一大飞跃性进步,也解锁了一大堆可能性。 目前机器学习解决方案已经可以在云端实现了。但这些系统不仅需要持续连网,经常在
在读研二学生娃,目前从事医学图像处理方向,在 OpenMMLab 社区遇到了很多小伙伴,希望能和大家共同学习和进步,感谢 OpenMMLab 为我们提供方便的学习平台~
OpenMMLab 2.0 公测期我们对主分支和新分支同步更新,11 月有 11 个算法库更新了版本:
OpenMMLab 2.0 公测期我们对主分支和新分支同步更新,10 月有 12 个算法库更新了版本:
Rainbond v3.7.2版本主要特性是提供企业应用市场全流程管理,像安装管理手机应用一样简单易用。
通常情况下 Bug 分为四个类型,分别是功能、性能、安全和专项质量。功能级别关注于业务流程是否正确。性能级别关注于业务流程是否顺畅。安全方面判断是否存在漏洞,是否符合安全标准与规范。专项质量通常关注于用户体验 UX、兼容性、稳定性和可靠性。
自回归移动平均模型(ARIMA)是一种常用于时间序列分析和预测的线性模型。 statsmodels库提供了Python中使用ARIMA的实现。ARIMA模型可以保存到文件中,以便以后对新数据进行预测。
OpenAI公司今日发布了一个新模型CriticGPT,实现找代码bug能力超过人类3倍:
原文地址:https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/
- EvalHook 的 evaluate 方法返回值为空时打印 warning 信息
干程序员的都会碰到各种各样的 bug,有的 bug 我们看一眼、或者多看几眼就能看出来问题。
1. sourceTree 是一个开源的git 图形管理工具,可下载mac版本,windows版本
5月6日,MIT的Andrew Ilyas团队发表了一篇论文,题为《对抗样本不是Bug, 而是特征 》。文中概述了两组实验。首先,他们表明,在对抗性实例上训练的模型可以应用到实际数据上,其次,在源自高鲁棒性神经网络表示的数据集上训练的模型,似乎继承了这些数据集非平凡的鲁棒性。
How to Save an ARIMA Time Series Forecasting Model in Python 原文作者:Jason Brownlee 原文地址:https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/ 译者微博:@从流域到海域 译者博客:blog.csdn.net/solo95 如何在Python中保存ARIMA时间序列预测模型 自回归积分滑动平均模型(Aut
自从大模型推出来之后,似乎没有什么工作是大模型不能做的。特别是在文本生成、文案写作、代码提示、代码生成、代码改错等方面都表现出不错的能力。下面我将介绍运用大模型写代码的几种方式,帮助程序员写出更好的代码!(大模型包括但不限于ChatGPT、文心一言【博主测试的大模型】、星火认知大模型等)
我接触到的并发缺陷绝大部分是因为线程安全问题导致的,还有一些数据库锁的问题(这个不擅长)这里就不分享了。
在学校不管是自己写课程设计还是给老师做项目,有 2 到 3 个人一起协作开发时就会使用 Git ,但是只是简单用了它所提供的代码协作功能,在学校的项目,比如课程设计,开发完老师检查完就没有维护了,给老师做项目也是,基于项目的特征:没有持久性、一次性开发,所以没有应到 Git 分支模型。在企业中,一个应用往往是有比较长的生命线,由很多个迭代项目开发构成,这时要解决几十甚至几百人的代码协作问题,就需要一套完整的规范的代码开发流程。
在1.0.0.1版本里,批量创建焊口时,鞍座和半管接头与主管之间的焊口被遗漏了,如图1所示:
温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。 Fayson的github: https://github.com/fayson/cdhproject 提示:代码块部分可以左右滑动查看噢 前两天Fayson介绍过《CDH5.15和CM5.15的新功能》,与CDH5.15同时发布的还有CDSW1.4,以下我们具体看看CDSW1.4的新功能。 1.CDSW1.4的新功能 ---- 1.模型和实验 - CDSW1.4优化了模型开发到投产的过程。现在,你可以使用CDSW在统一的工作流里创建,训练和部
选自微软研究博客 作者:Weiyang Liu等 机器之心编译 参与:路、刘晓坤 程序分析通常有两种方法,分别基于数理逻辑和自然语言理解。通过将程序表示成图结构,来自微软研究院和西门菲莎大学的研究者展示了一种结合二者的新方法,可以直接从源代码中学习,且更准确地查找已发布软件中的 bug。 过去五年,基于深度学习的方法给大量应用带来了变革,如需要理解图像、话语和自然语言的应用。对于计算机科学家而言,一个自然出现的问题是:计算机是否能够学会理解源代码。乍一看这个问题似乎很简单,因为编程语言的设计初衷就是被计算机
机器之心报道 编辑:维度 近日,有用户在自己的项目中发现了一个微小的 bug,在 PyTorch 同时使用 NumPy 的随机数生成器和多进程数据加载会导致相同的扩充数据,只有专门设置 seed 才可以解决这个 bug,否则会降低模型的准确率。不过,有人认为这并不是一个 bug,而是预期功能,是「按预期工作的」。 行内人都知道,机器学习(ML)代码中的 bug 很难修复,并且它们不会造成编译错误,而是悄悄地降低准确率。这些 bug 简直防不胜防。最近,一位专注于机器学习的用户遇到了一个非常熟悉的 bug,
或许,Zero-Bug 不是一个目标,而是一种奢望。Bug fix 成为了程序员工作中的日常活动,有人说,bug 的堆积导致了经验的积累,真的是这样么?
issue 页面:https://github.com/tensorflow/tensorflow/issues/25175
好吧,我想对于IT行业来讲,这有点难,直截了当或者可以说说话直白,才是真性情的沟通吧,你认为呢?~那对于软件测试人员来讲,沟通在面试的时候很多人都是会说这是他的优势,跟开发沟通从不打架,都是友好的协商解决问题;沟通是测试的必备技能,是否有责任心的体现,是甩锅及不背锅的最佳利器;
多学一招:当盒子是正方形,圆角的值是边的一半或者百分比是50%的时候,是圆(ie8以下不支持),圆角和边框没关系
360安全实验室(肖奇学 、Deyue Zhang)、佐治亚大学(李康)和弗吉尼亚大学(Weilin Xu)的研究者,他们在论文《Security Risks in Deep Learning Implementations》中,对三个主流的深度学习框架的实现中存在的安全威胁进行了检查和分析,分别是Caffe, TensorFlow, and Torch。文中,作者提到软件来说,应用实现的复杂性会导致一些软件漏洞的产生。深度学习框架面临同样的挑战,经过检查,研究人员发现了许多实现的漏洞,其中15个漏洞拥有C
以英伟达H100 Tensor Core GPU为例,它由数百亿个晶体管组成,在显微镜下看着就像是一个精心规划建设的城市一般。
最近在学前端, 转自沈夕博http://hi.baidu.com/skillshen/
作为 CML 中现有引擎的替代品,ML Runtimes 比当前的单体引擎(monolithic Engines)更轻量级。通过指定所需的Editor, Kernel, Edition和Version,一个流水线式的Runtime将用于在Sessions, Jobs, Experiments, Models和Applications中运行用户的代码。
李林 编译整理 量子位 报道 | QbitAI 出品 今天,马斯克和YC总裁Altman等创办的人工智能非营利组织OpenAI,发布了DQN及其三个变体的TensorFlow实现,以及根据复现过程总结的强化学习模型最佳实现方法。 以下是OpenAI博客文章的主要内容,量子位编译: 我们宣布开源OpenAI Baselines,这是我们内部对发表论文的复现,结果能与论文所公布的相媲美。今天要发布的,包括DQN和它的三个变体。接下来的几个月里,我们将继续发布这些算法。 复现强化学习的结果并非易事:模型的性能有很
自从ChatGPT大火之后,似乎让搜索巨头谷歌有了危机感。那么是否有朝一日,ChatGPT真的能替换谷歌成为搜索引擎巨头呢?
领取专属 10元无门槛券
手把手带您无忧上云