机器学习可靠性
Soft Assertions
揪出藏在数字里的 bug。
FSE 2025 / PACMSE
Automatically Detecting Numerical Instability in Machine Learning Applications via Soft Assertions
提出 Soft Assertions 方法，用于检测并触发机器学习应用中隐藏的数值不稳定缺陷。
论文
关于可靠机器学习、数值调试与 AI 评估的研究。
同行评审论文与预印本，涵盖机器学习可靠性、GPU 数值正确性、大语言模型评估以及软件工程教育。论文均以英文发表。
大语言模型评估
语境决定一切。
跨地域的仇恨言论检测。
arXiv:2502.19612
Evaluation of Hate Speech Detection Using Large Language Models and Geographical Contextualization
评估在加入地理与社会背景后，大语言模型检测仇恨言论的表现。
GPU 数值计算
NVIDIA / AMD
同样的计算，不同的结果。
arXiv:2410.09172
Testing GPU Numerics: Finding Numerical Differences Between NVIDIA and AMD GPUs
研究 NVIDIA 与 AMD GPU 执行同一计算时的数值差异，以及它对可复现性和可移植性的影响。
软件工程教育
在动手中学习。
虚拟实习的概念平台。
ICCIT 2020
A Conceptual Design of Virtual Internship System to Benchmark Software Development Skills in a Blended Learning Environment
提出一个用于开展虚拟实习、评测软件开发技能的软件平台概念设计。