Publicaciones

Investigación sobre ML fiable, depuración numérica y evaluación de IA.

Trabajos revisados por pares y preprints sobre fiabilidad del aprendizaje automático, corrección numérica en GPU, evaluación de LLM y enseñanza de la ingeniería de software. Los artículos están publicados en inglés.

Fiabilidad del ML Soft Assertions Encuentra los errores escondidos en los números.

FSE 2025 / PACMSE

Automatically Detecting Numerical Instability in Machine Learning Applications via Soft Assertions

Shaila Sharmin, Anwar Hossain Zahid, Subhankar Bhattacharjee, Chiamaka Igwilo, Miryung Kim, and Wei Le

Presenta Soft Assertions, un método para detectar y provocar errores ocultos de inestabilidad numérica en aplicaciones de aprendizaje automático.

Artículo Código Detalles y BibTeX

Evaluación de LLM El contexto importa. Detección de discurso de odio en distintas regiones.

arXiv:2502.19612

Evaluation of Hate Speech Detection Using Large Language Models and Geographical Contextualization

Anwar Hossain Zahid, Monoshi Kumar Roy, and Swarna Das

Evalúa cómo detectan el discurso de odio los modelos de lenguaje grandes cuando se les da contexto geográfico y social.

Artículo Detalles y BibTeX

Numérica en GPU NVIDIA / AMD Mismo cálculo. Resultados distintos.

arXiv:2410.09172

Testing GPU Numerics: Finding Numerical Differences Between NVIDIA and AMD GPUs

Anwar Hossain Zahid, Ignacio Laguna, Wei Le

Estudia las diferencias numéricas entre ejecuciones en GPU de NVIDIA y AMD y lo que implican para la reproducibilidad y la portabilidad.

Artículo Detalles y BibTeX

Enseñanza de ingeniería de software Aprender haciendo. Una plataforma conceptual de prácticas virtuales.

ICCIT 2020

A Conceptual Design of Virtual Internship System to Benchmark Software Development Skills in a Blended Learning Environment

Raihan Mia, Anwar Hossain Zahid, Bipul Chandra Dev Nath, and Abu Sayed Md Latiful Hoque

Propone el diseño conceptual de una plataforma de software para ofrecer prácticas virtuales y medir habilidades de desarrollo de software.

Artículo Detalles y BibTeX