中国计算机学会软件工程专委会青年论坛

学术报告会 2026年第2期

人机物融合时代的智能软件系统

2026年5月9日（周六）14:00-18:00

浙江理工大学（杭州市下沙高教园区2号大街928号）

活动日程

嘉宾介绍

    熊英飞，2009年从日本东京大学获得博士学位，2009-2011年在加拿大滑铁卢大学工作，2012年加入北京大学，现任新体制长聘副教授、软件研究所副所长。研究兴趣是程序设计语言和软件工程，特别是程序合成、修复、分析和验证。工作帮助产生了一系列效果同期最优神经网络代码生成模型，如DeepSeek-Coder模型；大幅提升了缺陷修复的正确率、修复数量和修复效率；提出了最广泛使用的两大双向变换模型之一——基于差别的双向变换；成功自动求解大量算法问题，包括01背包等经典问题和世界顶级算法竞赛中的问题。工作应用到工业界，如字节跳动、华为公司、中兴公司、新一代Linux内核配置项目等。在IEEE TSE担任副主编、OOPSLA担任副主席、ASE担任领域主席，POPL、PLDI、ICSE、FSE等会议定期担任PC，5次在ICSE和FSE会议上获得杰出审稿人奖。承担了优青、青年973、重点研发课题等项目。获得国家技术发明一等奖（排名6）、电子学会自然科学一等奖（排名1）、CCF-IEEE CS青年科学家奖、MODELS十年最有影响力论文奖，5次获得ACM SIGSOFT/IEEE TCSE杰出论文奖，是ACM杰出会员和IFIP WG 2.4唯一来自中国的成员。

报告摘要：大语言模型在代码编写等领域表现出强大的能力，但传统大语言模型主要把代码当作普通文本来训练，忽略了语法、类型、语义等程序设计语言约束。另一方面，虽然传统符号方法可以很好遵循程序设计语言约束，但在灵活性和通用性上无法到底大模型的高度。本报告介绍两条途径来增强已有系统。一种是在神经网络中融入程序设计语言知识，显著提升大模型在代码任务中的表现。另一条是从大模型中提取策略来构造符号系统，可显著提升符号方法的效果。本报告的技术已经在部分企业中得到应用，比如DeepSeek和快手。

    苏亭，华东师范大学软件工程学院教授、副院长，入选国家级青年人才计划，主要研究方向为软件分析、测试与验证、以及工业软件等，其相关工作发表在PLDI、OOPSLA、USENIX ATC、CCS、S&P、ICSE、FSE等国内外重要会议和期刊上。曾获得CCF科技成果奖技术发明一等奖、CCF软件工程和系统软件专委会青年科技奖、CCF-华为胡杨林基金年度优秀项目、六项CCF-A类国际会议的ACM SIGSOFT杰出论文奖等；主持中国国自然面上项目、重点研发计划课题、瑞士国自然Spark项目、以及企业项目多项。个人主页：

http://tingsu.github.io/。

报告摘要：真实世界中的关键软件系统往往业务逻辑复杂，在系统代码变更频繁情况下，如何保障其持续高质量交付极具挑战。本报告将介绍我们华东师范大学团队与微信支付团队合作，通过融合结构化需求和性质驱动实现全自动的业务逻辑正确性测试。主要思路是从业务逻辑出发，构造基于自然语言的结构化需求，从而实现需求到测试用例的自动化生成；进一步，从结构化需求中自动化提取关键需求性质，实现性质驱动的强检错测试，对异常边界路径进行充分检验。目前该技术已应用于微信支付，持续保障全球十几亿用户的金融支付安全和高可用。

报告摘要：在当今信息爆炸的时代，数据的多样性和复杂性不断增加，传统数据库已难以满足数据分析师日益增长的需求。本报告探讨了利用大语言模型等人工智能技术来驱动多模态数据查询的新方法，大语言模型以其强大的自然语言处理能力，为理解和整合这些数据提供了新的视角。本研究首先概述了多模态数据的特点及其在现代数据分析中的重要性。随后，详细介绍了多模态数据表征与存储、系统的查询语言，查询优化方法，包括其在处理表格、文本、图像等数据时的策略和优势。

    薛吟兴，中科工业人工智能研究院研究员，主要研究领域为软件安全。博士毕业于新加坡国立大学，其后在新加坡国立大学、南洋理工大学淡马锡实验室从事新加坡国防项目研究。2018年由中国科学院人才计划和安徽省人才计划引进回国加入中科大，2025加入中科工业人工智能研究院。先后主持国家重点研发计划课题、国家自然科学基金面上项目、安徽省科技重大专项等国家和省部级项目6项；牵头推进两项智能网联车ISO/ITU国际标准，其中已成功立项一项ITU标准、一项IEEE标准。 近六年以一作/通讯作者发表CCF A类论文20余篇，两次获得ACM SIGSOFT杰出论文奖。

报告摘要：随着神经网络在智能系统中的广泛应用，AI 软件供应链的安全与可信问题日益凸显。开源社区中神经网络项目的快速增长带来了依赖复杂、演化迅速等特征，使传统 SBOM 框架难以适用。为此，本研究提出NNBOM（Neural Network Bill of Materials），构建覆55,997个PyTorch仓库的神经网络材料清单数据库，系统刻画了开源 AI 软件在组件规模、复用模式与跨域依赖方面的演化规律，并开发了多仓库演化分析与单仓库组件评估原型系统，为 AI 供应链的依赖透明化与可信治理提供基础支撑。在此基础上，研究进一步提出NNReuse框架，针对20,000个开源项目识别三类神经网络结构代码复用模式，发现 55.6% 的项目存在结构级重用且 64.3% 可能涉及许可证冲突，揭示了开源生态中的合规风险。综合来看，本报告从 NNBOM 与 NNReuse 两个视角出发，探讨了 AI 供应链在依赖追踪与代码合规方面的安全挑战，为构建可追溯、可监管的可信 AI 供应链提供了实证依据与方法框架。

    石琳，北京航空航天大学软件学院教授，研究方向为智能软件工程，包括仓库级代码智能、智能需求工程、开源软件、可信AI等。在软件工程、人工智能领域的高水平国际会议ICSE，FSE，ASE，IJCAI等发表论文60余篇，三次获杰出论文奖：ACM SIGSOFT 杰出论文奖（ASE21）、连续两次获国际需求工程大会杰出论文奖（RE21，RE20）。担任多个国际顶级会议期刊ICSE、ASE、FSE、TSE、TOSEM等审稿人。主持多项国家自然科学基金项目、多项头部企业AI辅助研发落地项目。

报告摘要：近年来，AI大模型技术取得了飞速发展，深度参与了软件工程变革浪潮。以Claude Code为代表的一批AI智能化工具大幅提高了软件开发效率，虽然效果惊艳，但是AI落地具体开发任务时，面对仓库级复杂项目仍然存在代码生成质量不佳等诸多问题。本报告将系统剖析AI落地软件工程的典型场景中的问题与思路：从仓库级代码生成、到代码重构与研发问答，揭示AI大模型技术如何从突破软件开发范式到真正落实在使用场景上。在此通用人工智能基础上，进一步聚焦个性化智能软件工程的前沿实践，探索AI Coding技术如何从“千篇一律”变为“千人千面”，从而更好为每个程序员提供智能辅助，具体研究探索包括基于IDE构建开发者数据底座、应用个性化知识引擎的精准研发问答等。通过多维度技术路径与实践案例，我们将共同展望AI驱动下软件工程从通用化到个性化演进的新图景，直面转型挑战，洞见未来趋势。

    刘尚清，南京大学软件学院副教授、博士生导师。主要研究方向为智能化软件工程，包括但不限于基于人工智能的软件漏洞检测和修复、智能化编程及代码模型可解释性等。在软件工程和人工智能领域顶会顶刊如ICSE、ASE、FSE、ISSTA、ICLR、NeurIPS、TSE、TOSEM等发表高水平论文50余篇，多次担任高水平会议与期刊的程序委员会委员与审稿人，入选国家级青年人才项目。

报告摘要：随着大语言模型不断融入软件开发过程，程序自动生成、缺陷检测、测试维护与安全分析等任务对模型代码理解能力提出了更高要求。相比代码生成结果是否“看起来正确”，大语言模型能否真正理解程序的语法结构、语义关系与行为逻辑，已经成为支撑智能化软件工程工具可靠落地的关键问题。然而，现有研究对模型代码理解能力的认识仍不充分：一方面，我们尚不清楚模型内部表征究竟学习到了多少代码语法与语义知识；另一方面，也缺乏对大语言模型在实际代码分析任务中能力边界的系统刻画。围绕这一问题，本报告将介绍两项工作：一项从内部表征角度通过 probing 方法分析大语言模型对代码语法和语义的学习情况，另一项从任务层面系统评测主流大语言模型在多类代码分析任务中的零样本表现与局限。

    唐文兵，西北农林科技大学副教授，博士毕业于华东师范大学，曾在新加坡南洋理工大学进行博士后研究。主要研究方向为自主智能无人系统（机器人、自动驾驶、具身智能等）的鲁棒控制与安全测试。在TSE、TIFS、TII、CVPR、AAAI等期刊和会议上累计发表论文20余篇。曾获世界机器人大会最佳论文提名奖、上海市计算机学会优秀论文奖。

报告摘要：具身智能无人系统作为融合感知、决策与行动能力的智能系统，其潜在安全缺陷和脆弱性具有高度复杂性，一旦触发极易造成不可逆后果。如何在动态开放环境中系统性地发现此类潜在缺陷，是当前具身智能领域的核心挑战之一。本报告从因果关系驱动的测试场景生成与物理环境属性扰动下的鲁棒性评估两个角度，介绍自动驾驶系统与具身机器人系统的相关研究工作。

执行主席

周 远 浙江理工大学计算机科学与技术学院（人工智能学院）研究员

陈碧欢   复旦大学计算与智能创新学院副教授

参会方式

报名方式：请参会者通过线上问卷填写报名信息，以便安排会务

报名链接：https://v.wjx.cn/vm/OLDZZid.aspx

会议地点：浙江理工大学大学（下沙校区）2号楼致远厅，杭州市下沙高教园区2号大街928号