机器和深度学习系统中算法债务的综述：定义、征兆与未来工作
A Survey of Algorithm Debt in Machine and Deep Learning Systems: Definition, Smells, and Future Work
AI总结：
本文综述了42项研究，定义了算法债务，揭示了其隐含存在，识别了征兆，并指明了未来研究方向，以提升机器学习和深度学习系统的可靠性。
摘要：
机器和深度学习（ML/DL）技术的采用引入了维护挑战，导致技术债务（TD）。算法债务（AD）是TD的一种，影响ML/DL系统的性能和可扩展性。对42项主要研究的回顾扩展了AD的定义，揭示了其隐含存在，识别了其征兆，并突显了未来方向。这些发现将指导以AD为中心的研究，从而提高ML/DL系统的可靠性。
英文摘要：
The adoption of Machine and Deep Learning (ML/DL) technologies introduces maintenance challenges, leading to Technical Debt (TD). Algorithm Debt (AD) is a TD type that impacts the performance and scalability of ML/DL systems. A review of 42 primary studies expanded AD's definition, uncovered its implicit presence, identified its smells, and highlighted future directions. These findings will guide an AD-focused study, enhancing the reliability of ML/DL systems.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
