Automatically Detecting Numerical Instability in Machine Learning Applications via Soft Assertions
Apresenta Soft Assertions, um método para detectar e provocar bugs ocultos de instabilidade numérica em aplicações de aprendizado de máquina.
Publicações
Trabalhos revisados por pares e preprints sobre confiabilidade de aprendizado de máquina, correção numérica em GPUs, avaliação de LLMs e ensino de engenharia de software. Os artigos são publicados em inglês.
Apresenta Soft Assertions, um método para detectar e provocar bugs ocultos de instabilidade numérica em aplicações de aprendizado de máquina.
Avalia o desempenho de grandes modelos de linguagem na detecção de discurso de ódio quando recebem contexto geográfico e social.
Estuda diferenças numéricas entre execuções em GPUs NVIDIA e AMD e suas consequências para a reprodutibilidade e a portabilidade.
Apresenta o projeto conceitual de uma plataforma de software para estágios virtuais e para avaliar habilidades de desenvolvimento de software.