2.2.2 Scoring Results 文章把报出的类型和实际的类型不一样的这种情况归结为blank 思考：如何确定出报出的类型不是实际的类型呢
2.3 Metrics
思考：他的那个discrimination到底指的是什么
3.1.3 每个工具是通过CAS自己写的脚本通过命令行运行的 因为每个工具的结果不一样，所以CAS开发了自己的数据格式
3.1.4 结果通过CAS自己给的工具进行评分的 任务：查看这个工具是什么，可不可以利用
4.2.1 Precision 重复的true positive去掉 重复的false positive保留 bad-only的测试集会影响结果，计算Precision的时候不考虑这种测试集 思考：如何确定bad-only测试集
4.2.2 Recall 重复的true positive去掉
4.2.3 F-Score bad-only的测试集会影响结果，计算Precision的时候不考虑这种测试集
4.2.4 Weighting 不包含数据流和控制流的测试集称为baseline 以前，所有的测试集权重都是一样的 经过一些反馈和研究，发现baseline的权重应该高一些 In general, if a tool is able to find a given flaw then it should be able to at least find it in the baseline test case.
对于一些特定的flaw，所有测试集的权重为1，其中baseline占0.5，其他的所有含控制流和数据流的测试集总共占0.5，平均分配
不考虑是因为会发生除0错
5.1 Results by tool 先列举了一个工具对所有类别的Presicion、Recall、F-Score 如下表 然后针对于这个表画了几个折线图 平均值指的是所有工具的平均值
然后列了这个，不知道这个是怎么统计的
5.2 Results by Weakness Class 这个列的是五个工具对某个类别的统计
