模仿游戏：利用智能体复现深度学习缺陷
软件工程
2026-02-27 v3 人工智能
机器学习
摘要
尽管深度学习(DL)based应用程序在各个领域(如医疗保健、金融、软件工程)中广泛应用，但仍然存在许多缺陷、故障和漏洞。复现这些缺陷对于解决问题至关重要，但由于DL模型固有的非确定性以及其与硬件和软件环境的紧密耦合，这极其困难。根据最近的研究，只有约3%的DL缺陷能够通过手动方法可靠地复现。为此，我们提出了RepGen——一种新颖的、自动化的、智能的方法，用于复现深度学习缺陷。RepGen从项目中构建学习增强的上下文，制定缺陷复现的综合计划，采用迭代的生成-验证-精炼机制，从而生成能够复现当前缺陷的代码。我们在106个真实世界的深度学习缺陷上进行评估，复现率达到80.19%，相较于现有最先进方法提高了19.81%。涉及27名开发者的研究表明，RepGen将DL缺陷复现成功率提高了23.35%，缩短了复现时间56.8%，降低了参与者的认知负荷。
引用
@article{arxiv.2512.14990,
title = {Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent},
author = {Mehil B Shah and Mohammad Masudur Rahman and Foutse Khomh},
journal= {arXiv preprint arXiv:2512.14990},
year = {2026}
}
备注
Accepted by the 48th IEEE/ACM International Conference on Software Engineering (ICSE 2026)