محققان در پژوهشی جدید، روشی نوآورانه برای «پیشبینی نقصهای نرمافزاری» (CPDP) معرفی کردهاند. چالش اصلی در مدلهای سنتی، تفاوت در دادههای پروژههای مختلف بود که دقت مدل را پایین میآورد.
این چارچوب جدید با استفاده از یک سیستم «انتخاب طبقهبند چندمرحلهای» (MCS)، یاد گرفته است که در دو سطحِ «پروژه» و «ماژول»، مدلهای بهینه را انتخاب کند. نتیجه؟ سیستم بسیار منعطفتر شده و میتواند با دقت بیشتری باگها را در پروژههای مختلف شناسایی کند. این یعنی کدهایی با کیفیتتر و نگهداری آسانتر برای تیمهای نرمافزاری! 🛠️✨
منبع: arXiv Machine Learning