研究者用博弈论启发式加速强化学习测试生成
热点事件持续更新
研究者用博弈论启发式加速强化学习测试生成
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者提出一种面向反应式实现的在线黑盒测试用例自动合成方法：从自动机形式的功能需求出发，用 Monte Carlo Tree Search 选择有潜力的输入。他们把自动机需求看作实现与测试者之间的博弈，据此设计启发式来偏置搜索。 研究者称，实验显示该启发式加快了 Monte Carlo Tree Search 的收敛，从而提升测试性能。
AI 根据报道生成 · 58 分钟前更新
最新进展10月8日 12:00
基于需求的测试：用博弈论增强强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LG基于需求的测试：用博弈论增强强化学习
研究者提出一种从自动机形式功能需求出发、面向反应式实现的在线黑盒测试用例自动合成方法，用 Monte Carlo Tree Search 高效选择有潜力的输入。他们把自动机需求视为实现与测试者之间的博弈，据此设计启发式来偏置搜索。实验表明该启发式加速了 Monte Carlo Tree Search 的收敛，从而提升测试性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。