近年来，人工智能系统在自动驾驶、虚拟助手、智能运维等领域的广泛应用使其可靠性成为关键问题。现有研究多聚焦于人工智能应用的可靠性，但忽视了基础软件库中的潜在故障对系统整体可靠性的广泛影响。为此，研究团队提出了 一种针对深度学习基础软件库的全面故障检测方法。与现有方法依赖现成模型及其变体、通过差分测试对比不同软件库预测结果不同，新方法深入检测软件库中深度学习相关计算功能的可靠性，填补了现有测试技术的空白，为提升人工智能系统的整体可靠性提供了重要保障。

团队的研究旨在突破现有深度学习基础软件库测试方法的不足，提出针对深度学习基础软件库的多样化测试用例生成方法和针对深度学习模型训练过程的差分测试方法，从而实现深度学习基础软件库更全面的测试。