- 数据：通用（元）逻辑推理：最近的成功
克里斯托夫·本兹穆勒
出版2020年2月25日|门德利数据
作者用认知推理中的一个挑战性难题：智者难题，论证并讨论了通用（元）逻辑推理方法。提出的解决方案特别强调公共知识的充分建模。
- 2022/23年Alloy4Fun数据集
Nuno Macedo、Alcino Cunha、Ana C.R.Paiva
出版2023年7月10日|泽诺多
该数据集包含学生在Alloy4Fun平台中提交的模型，用于解决2019年秋季至2023年春季期间米诺大学（UM）和波尔图大学（UP）各种正式方法课程版本中的挑战模型，总计约100000个条目。参与者包括在UM注册的可选理科硕士课程“规范与建模”（EM）和必修理科硕士课“软件工程中的形式方法”（MFES），以及在UP注册的选修理科博士课程“关键系统的形式方法（MFS）”。请注意，由于挑战的永久链接是公开的，因此数据集可能包含课堂环境之外其他参与者的提交。2021年数据集的分析报告在《计算机编程科学》论文《使用自动评估平台教授合金的经验》（扩展ABZ’20会议版，分析2020年数据集）中。名称Permalink课程（学生）条目垃圾FOL sDLK7uBCbgZon3znd EM 19/20（~20）和20/21（~20 RL zRAn69AocpkmxXZnW电磁19/20（~20）和20/21（~20）6341 Graphs gAeD3MTGCCv8YNTaK EM 19/20（~20）and 20/21（~10）和22/23（~10898 4903 3175 CV JC8Tij8o8GZb99gEJ WGdhwKZnCu7aKhXq9（v2）EM 19/20（~20）EM 20/21（~20、MFS 21/22（~10）和22/23（~101264 8158课程PSqwzYAfW9dFAa9im JDKw8yJZF5fiP3jv3（v2）MFES 21/22或创建用于共享的永久链接，并包含：_id：交互时间的id：其创建派生的时间戳of：父条目original：具有机密的第一祖先（在练习中始终相同）code：模型的完整代码（不包括原始条目中定义的机密）（删除学生注释）sat：该命令是否可满足要求（为检查找到反例），或当抛出错误时为-1[仅用于执行]cmdi：已执行命令的索引[仅适用于执行]cmdn：执行命令的名称[仅用于成功执行，即无抛出错误]cmd_c：命令是否是检查[仅用于成功执行，即没有抛出错误]消息：错误或警告消息[仅用于带警告的成功执行或抛出错误时]主题：可视化主题[仅用于共享条目]从代码中删除用户注释以确保匿名。
- 自动驾驶汽车软件中基于成本效益仿真的测试选择
Birchler、Christian、Ganz、Nicolas、Sajad Khatiri、Gambi、Alessio、Panichela、Sebastiano
出版2023年1月1日|海洋代码
仿真环境对于诸如自动驾驶汽车（SDC）等复杂网络物理系统的持续开发至关重要。SDC基于仿真的测试的先前结果表明，许多自动生成的测试对识别SDC故障没有很大帮助，因此对提高SDC的质量没有帮助。因为运行这种“无信息”的测试通常会导致计算资源的浪费和SDC测试成本的急剧增加，所以测试人员应该避免这样做。然而，在运行之前确定“无信息”测试仍然是一个公开的挑战。因此，本文提出了SDC-Scissor，这是一个利用机器学习（ML）识别SDC测试的框架，这些测试不太可能检测到被测SDC软件中的错误，从而使测试人员能够跳过它们的执行，并大大提高SDC软件基于模拟的测试的成本效益。我们对六个ML模型在两个大型数据集上的使用进行了评估，这两个数据集的特征是22’652次测试，结果表明SDC-Scissor实现了高达96%的F1分类核心。此外，我们的结果表明，SDC-Scissor在每个时间单位识别更多失败测试方面优于随机基线。
