机器学习云服务误用的全面多声音实证研究
软件工程
2025-10-22 v2
摘要
机器学习（ML）模型广泛应用于医疗诊断和自动驾驶等各个领域。为支持这一增长，云服务商提供ML服务以简化ML组件在软件系统中的集成。不断演变的业务需求和ML服务的普及使得各种技能水平的从业者实施和维护基于ML服务的系统。然而，他们可能并不总是遵循ML云服务的最佳设计和用法实践，从而导致常见的误用，这可能显著降低基于ML服务的系统质量，并对其维护和演进产生不利影响。尽管已有大量关于ML服务误用的研究，但这些误用的一致术语和规范仍然缺失。因此，本论文进行了一项全面的多声音实证研究，探讨ML云服务误用在实践中的普遍程度。我们提出了一个包含20种ML云服务误用的目录，其中大部分在先前的研究中尚未被研究。为此，我们进行了：(a) 对ML误用研究的系统性文献综述，(b) 对主要云服务商提供的官方文档的灰色文献综述，(c) 对GitHub上精选的377个基于ML服务的系统的实证分析，以及(d) 对50位ML从业者的调查。我们的结果表明，ML服务误用在开源项目和行业中都很常见，通常源于对服务能力的理解不足和文档不充分。这强调了持续教育ML服务最佳实践的重要性，这也是本论文的重点，同时也强调了需要能够自动检测和重构ML误用的工具。
引用
@article{arxiv.2503.09815,
title = {A Comprehensive Multi-Vocal Empirical Study of ML Cloud Service Misuses},
author = {Hadil Ben Amor and Manel Abdellatif and Taher Ghaleb},
journal= {arXiv preprint arXiv:2503.09815},
year = {2025}
}