.png){kind=icon}
返回
Testing reinforcement learning systems: A comprehensive review
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jss.2025.112563.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 全面文献综述：首次对49项RL测试研究（2013年—2025年5月）进行了系统综述，涵盖目标、测试生成、测试 oracle、充分性及故障分析。
• 结构化RQ驱动分析：针对七个研究问题，分析测试目的、方法、指标及被测试RL系统的类型。
• 测试技术分类：对测试生成方法（如对抗性测试、变异测试、模糊测试和基于搜索的测试）进行分类，并评估其有效性。
• 系统类型覆盖：分析测试在无模型与基于模型的RL系统、单智能体与多智能体系统、模拟与真实世界RL系统间的差异。
• 识别11个关键空白：突出显示关键空白，如缺乏公平性、可扩展性和透明性测试，基于模型和多智能体系统研究不足，以及缺少真实世界基准。
Keyword:
reinforcement learning
testing methods
systematic review
research gaps
test techniques
期刊
IF:
4.1
论文数:
5.5K
被引数:
8.4K
机构
引用论文
暂无论文信息