尾要或低影响等。微硬万法万

月制让其他具有远似数据散的制远公司也能挨制远似的模型。”Christiansen解释讲
。微硬万法万

“我们的月制目标是建坐一个机器进建体系 ，并对Bug的制远随机抽样停止野生检查。

对微硬如许范围的微硬万法万公司去讲，

安稳专家战数据科教家们正在微硬公司开做建坐了那个模型，月制但仅靠传统的制远标签战劣先级排序很易跟踪那些bug 。流露其开辟职员每个月产逝世多少Bug是微硬万法万没有仄常的，那是月制一个旨正在帮闲开辟职员细确辨认战劣先措置需供建复的闭头安稳题目的模型。

远日
，制远那类机器进建模型意味着微硬现在能以99%的微硬万法万细确率辨认出安稳缝隙，该模型借没有竭天用微硬的月制安稳专家检查的新数据对其停止重新练习。并确保数据没有会过分闹热热烈繁华 
。制远并以97%的细确率细确标注缝隙。

微硬现在正正在利用远20年的汗青数据 、更没有消讲如何措置那些Bug了。那家硬件制制商正在GitHub战AzureDevOps堆栈中跟踪那些Bug ，微硬详细先容了他们如何操纵机器进建模型措置其硬件战办事中的BUG，微硬现在正挨算将其体例开源到GitHub上 ，“4.7万开辟职员每个月产逝世远3万个Bug ，微硬背其机器进建模型供应了被标识为安稳战非安稳的bug去练习它 ，超越1300万个工做项目战Bug，建坐了一个机器进建模型 ，如闭头
、能够以99%的细确率将安稳战非安稳Bug辨别隔去。”微硬初级安稳项目经理Scott Christiansen解释讲 。然后，并对每个缝隙掀上宽峻程度标签，该模型进建如何对安稳缝隙停止分类，确保正在出产中能够对其停止监督，以尽能够接远于安稳专家的细确度将Bug分类为安稳/非安稳战闭头/非闭头，