理解机器学习赋能系统的复杂性及其对测试的影响
软件工程
2023-01-11 v1 人工智能
摘要
随着机器学习（ML）的近期突破，机器学习赋能系统正在兴起。文献广泛采用以模型为中心的视角，仅关注ML模型的分析。然而，仅有少量工作采用系统视角，考察ML组件如何与系统协同工作，以及它们如何影响机器学习赋能系统的软件工程。在本文中，我们采用这一系统视角，并对 Rasa 3.0（一个被全球众多公司广泛采用的工业级对话系统）进行案例研究。我们的目标是刻画此类大规模机器学习赋能系统的复杂性，并理解该复杂性对测试的影响。我们的研究揭示了机器学习赋能系统软件工程的实际意义。
引用
@article{arxiv.2301.03837,
title = {Understanding the Complexity and Its Impact on Testing in ML-Enabled Systems},
author = {Junming Cao and Bihuan Chen and Longjie Hu and Jie Gao and Kaifeng Huang and Xin Peng},
journal= {arXiv preprint arXiv:2301.03837},
year = {2023}
}