机构名称：
¥ 1.0
尽管在研究实验中起着至关重要的作用，但通常仅根据结果的质量来推测代码正确性。然而，这种征服的风险又具有造成结果的风险，进而可能是错误的发现。为了减轻这种风险，我们认为当前对可重复性的关注应该与软件质量息息相关。我们通过一个案例研究来支持我们的论点，在该案例研究中，我们在广泛使用的最先进的构象体架构实现中识别并修复了三个错误。通过以各种语言的语音识别和翻译进行实验，我们证明了虫子的存在并不能阻止实现良好和可重现的结果，但是这可能导致不正确的结论，这些结论可能会误导未来的研究。作为仪式，我们发布了专门用于测试神经模型的图书馆Pangolinn，并提出了一份代码质量清单，目的是为NLP社区内的最佳编码和改善软件质量提供进一步的编码。
NLP
主要关键词
相关文件推荐
