محققان در مقاله جدیدی به یک چالش مهم در سیستمهای ML ترکیبی (Compositional ML) پرداختهاند: چگونه پس از بهروزرسانی یکی از ماژولهای مستقل، بدون صرف هزینههای سنگینِ تست مجدد، متوجه شویم که کل سیستم همچنان درست کار میکند؟
آنها با معرفی یک متد جدید و هوشمندانه برای «انتخاب تست رگرسیون» (RTS)، راهکاری ارائه دادهاند که بدون نیاز به تست کامل سیستم، میتواند دقت و اعتبار ماژولهای بهروزرسانی شده را با دقت بالایی پیشبینی کند. این دستاورد به توسعهدهندگان کمک میکند تا در سیستمهای پیچیده، سرعتِ چرخه بهروزرسانی را افزایش و هزینههای محاسباتی را به شدت کاهش دهند. 🤖⚙️
منبع: arXiv AI
