Publications
Recherches sur le ML fiable, le débogage numérique et l’évaluation de l’IA.
Travaux évalués par les pairs et prépublications sur la fiabilité de l’apprentissage automatique, la justesse numérique sur GPU, l’évaluation des LLM et l’enseignement du génie logiciel. Les articles sont publiés en anglais.
Fiabilité du ML
Soft Assertions
Débusquer les bugs cachés dans les nombres.
FSE 2025 / PACMSE
Shaila Sharmin, Anwar Hossain Zahid, Subhankar Bhattacharjee, Chiamaka Igwilo, Miryung Kim, and Wei Le
Présente Soft Assertions, une méthode pour détecter et déclencher les bugs cachés d’instabilité numérique dans les applications d’apprentissage automatique.
Évaluation des LLM
Tout est affaire de contexte.
Détecter les discours haineux selon les régions.
arXiv:2502.19612
Anwar Hossain Zahid, Monoshi Kumar Roy, and Swarna Das
Évalue les performances des grands modèles de langage pour détecter les discours haineux lorsqu’on leur fournit un contexte géographique et social.
Calcul numérique sur GPU
NVIDIA / AMD
Même calcul. Résultats différents.
arXiv:2410.09172
Anwar Hossain Zahid, Ignacio Laguna, Wei Le
Étudie les écarts numériques entre exécutions sur GPU NVIDIA et AMD, et leurs conséquences sur la reproductibilité et la portabilité.
Enseignement du génie logiciel
Apprendre en construisant.
Une plateforme conceptuelle de stages virtuels.
ICCIT 2020
Raihan Mia, Anwar Hossain Zahid, Bipul Chandra Dev Nath, and Abu Sayed Md Latiful Hoque
Propose la conception d’une plateforme logicielle pour organiser des stages virtuels et évaluer les compétences en développement logiciel.