MétaCan
Menu
Retour à la cohorte
Enregistrement W4226466002 · doi:10.1109/qrs54544.2021.00093

MINTS: Unsupervised Temporal Specifications Miner

2021· article· en· W4226466002 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2021 IEEE 21st International Conference on Software Quality, Reliability and Security (QRS) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Testing and Debugging Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCorrectnessComputer scienceDebuggingTask (project management)Finite-state machineScalabilityFrame (networking)SoftwareState (computer science)TrieSoftware bugSoftware systemArtificial intelligenceProgramming languageData structureEngineeringDatabaseSystems engineering

Résumé

récupéré en direct d'OpenAlex

Specifications for software systems are quite often missing or are obsolete given the evolutionary nature of these systems. Lack of precise software specifications makes the task of debugging and detecting a malfunction of system behavior challenging. Prior works have primarily focused on extracting system specifications in the form of template-based mining frameworks or interactive simulation models. In safety-critical systems where the time of occurrence of events is of prime importance extracting specifications with a quantitative notion of time seems a daunting task. This work presents an unsupervised approach to mine timed temporal properties in the form of deterministic finite state machines with a custom-designed trie data structure. Our frame-work, MINTS learns dominant system specifications from their system traces that are represented as a timed deterministic finite state machine. MINTS is shown to be sound and complete. MINTS scalability and correctness is validated using real-world industry strength traces.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,106
Tête enseignante GPT0,342
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle