机器翻译广泛应用于各个领域,现有神经网络测试工作均未在自然语言处理的模型上进行过测试。然而,我们发现在这些翻译模型中存在不一致性问题。因此,我们率先对机器翻译进行测试,并提出了一种用于检测及修复神经网络翻译器中所存在的不一致性问题的方法 TransRepair。TransRepair 结合了变异测试及蜕变测试两种方法以检测不一致性问题。对于所检测的问题,我们提出了一种基于概率的后处理方法以对该问题进行修复。事实上,在本文尚未在国际会议上进行展示的情况下,便受到包括Google、Facebook和腾讯在内的各大公司的重视,一定程度上体现了该论文的影响力。
播放:110次,课程ID:4254199
机器翻译广泛应用于各个领域,现有神经网络测试工作均未在自然语言处理的模型上进行过测试。然而,我们发现在这些翻译模型中存在不一致性问题。因此,我们率先对机器翻译进行测试,并提出了一种用于检测及修复神经网络翻译器中所存在的不一致性问题的方法 TransRepair。TransRepair 结合了变异测试及蜕变测试两种方法以检测不一致性问题。对于所检测的问题,我们提出了一种基于概率的后处理方法以对该问题进行修复。事实上,在本文尚未在国际会议上进行展示的情况下,便受到包括Google、Facebook和腾讯在内的各大公司的重视,一定程度上体现了该论文的影响力。
No list
孙泽宇,北京大学信息科学技术学院2019级博士生,导师为张路教授,指导老师为熊英飞研究员。主要研究方向为程序自动生成和软件测试,已在相关领域的国际顶级会议如ICSE, AAAI, IJCAI, FSE等发表多篇论文。