粗略阅读论文《An Empirical Study on Test Case Prioritization Metrics for Deep Neural Networks》。本文相当于是对各种测试用例优先级指标的归纳，可以用于了解这些指标，以便在自己的实验设计中使用。主要工作：从故障检测比率、准确性、相关性角度研究了 11 个测试用例优先级度量，共分为4类：惊喜充分性、置信度分散性、变异不确定性

本文提出了差分模糊测试框架，在不需要交叉引用其他DL系统和人工标签的情况下，为DL系统产生更多高神经元覆盖率的对抗输入。首次将模糊化测试的基本思想与DL测试相结合，并对其有效性进行了验证。

本周粗略阅读了论文《Test Selection for Deep Learning Systems》，并参考了陈老师实验室发布的翻译，记录个人的阅读笔记，侵删。本文主要内容：本文基于模型不确定性对一组测试选择指标进行了实证比较，假设不确定性最大的样本同样也是信息量最大的样本，应优先使用再训练来改进。在五个模型和三个图像分类问题上评估，证明了基于不确定性的度量具有很强的识别错误分类输入的能力，比惊

本周粗略阅读了论文《Test Selection for Deep Learning Systems》，并参考了陈老师实验室发布的翻译，记录个人的阅读笔记，侵删。本文主要内容：本文基于模型不确定性对一组测试选择指标进行了实证比较，假设不确定性最大的样本同样也是信息量最大的样本，应优先使用再训练来改进。在五个模型和三个图像分类问题上评估，证明了基于不确定性的度量具有很强的识别错误分类输入的能力，比惊

本周粗略阅读了论文《Test Selection for Deep Learning Systems》，并参考了陈老师实验室发布的翻译，记录个人的阅读笔记，侵删。本文主要内容：本文基于模型不确定性对一组测试选择指标进行了实证比较，假设不确定性最大的样本同样也是信息量最大的样本，应优先使用再训练来改进。在五个模型和三个图像分类问题上评估，证明了基于不确定性的度量具有很强的识别错误分类输入的能力，比惊

广义OOD检测包含了异常检测（AD）、新颖性检测（ND）、开集识别（OSR）、分布外（OOD）检测和离群点检测（OD）五个子问题

OOD检测方法总结及两种在测试输入生成中的应用

Java垃圾回收机制：垃圾回收（GC，Garbage Collection）是 Java 虚拟机（JVM）垃圾回收器提供的一种用于在空闲时间不定时回收无任何对象引用的对象所占据的内存空间的一种机制。注意：回收只是清理“垃圾”占用的内存空间而非对象本身。