计科院智能软件与系统新技术研究所智能软件工程技术实验室举行第710-712期学术论坛

2026年10月13日晚，西安电子科技大学计算机科学与技术学院智能软件与系统新技术研究所智能软件工程技术实验室在网安大楼AI-623举办学术论坛（总710-712期）。惠明轩、张家睿和张舒俞同学分别作主题分享，本部全体在校研究生参加论坛并热烈讨论，异地研究院学生线上参会。胡景钊老师到场指导并主持论坛。

惠明轩同学分享了面向大语言模型多智能体系统的自动化测试研究成果。汇报首先介绍了多智能体系统在复杂任务协作中面临的可靠性挑战，重点分析了智能体行为动态性强、交互关系复杂以及系统潜在故障难以有效识别等问题。在此基础上，详细阐述了 当前设计方法核心设计思路与技术实现过程，包括多智能体行为规范的自动提取、智能体内部及跨智能体行为空间的系统化建模、覆盖率反馈驱动的测试用例生成，以及基于语义约束的系统失效检测机制。同时，结合开源多智能体应用的实验结果，分析了 当前提出的方法在提升行为覆盖率、发现隐蔽性故障等方面的有效性，并进一步探讨了该方法在多智能体系统可靠性保障中的应用价值。最后，惠明轩同学结合自身研究进展，分享了对多智能体系统测试技术的进一步思考，并提出了后续研究的改进方向。

在交流讨论环节，胡景钊老师对本次汇报内容进行了点评，并针对多智能体行为规范的准确性、测试覆盖指标的合理性以及故障检测方法的有效性等方面提出了指导意见。同时，围绕研究工作的创新性、技术方案的可行性及实验结果的分析方式展开了深入交流，为后续研究工作的完善与拓展提供了有益参考。

张舒俞同学的报告围绕“面向长程运行的大模型智能体系统性能优化方法研究”，针对大模型智能体在复杂任务与长期交互场景下面临的响应时延、资源开销及执行可靠性问题，提出了涵盖推理、协作、调度与记忆的系统优化思路。报告从四个关键方向展开：在推理优化方面，探讨了基于推测解码的草稿模型动态剪枝、目标模型松弛验证及 KV Cache 管理等技术，以降低模型推理与访存开销；在协作优化方面，提出通过任务蓝图规范多智能体的角色分工与状态流转，结合规划、记忆和反馈机制提升复杂任务的执行效率；在调度优化方面，面向端侧资源受限场景，研究结合任务复杂度、质量要求和时延预算的端云协同动态调度策略；在记忆优化方面，针对长期交互中的记忆冗余、信息冲突与历史淡化问题，探索可靠、可更新且可追溯的长期记忆机制。整个分享系统地梳理了从单点性能优化向智能体全流程协同优化与经验持续复用的研究方向。

在讨论环节，胡景钊老师指出，报告的第一个研究方向应进一步结合具体的产业应用场景，明确实际业务中的性能瓶颈与优化需求。老师强调，研究选题需要避免范围过大、内容过于宽泛和空泛的问题，应立足真实应用需求，寻找具有明确优化目标和可量化评价指标的研究切入点，避免因缺乏具体场景支撑而导致技术方案难以落地，最终无法产生实质性的系统性能优化效果。