上海市计算机软件评测重点实验室2026年开放课题立项公示

本课题面向大模型时代数据安全治理与软件测评重要需求，针对文本、图像多模态数据在采集、训练、推理等环节中面临的敏感信息泄露、分类粒度不足、分级标准缺失等关键问题，融合多标签分类、小样本学习等前沿技术，构建统一的多模态敏感内容分类与分级模型。课题重点解决多模态语义对齐、大模型输入输出内容安全检测、真实场景鲁棒性、分级可测评性等核心难点，形成一套可嵌入软件测评与数据安全测评流程的自动化分类分级方法与技术体系，为数据分类分级管理、隐私保护、风险识别、安全测评与合规治理提供理论支撑与技术参考。

随着移动应用的普及，信息无障碍建设已成为跨越数字鸿沟的重要战略。然而，传统的移动端无障碍改造面临代码开发成本高、人工评测效率低且主观性强等痛点。本课题旨在探索利用大语言模型（LLM）赋能无障碍化开发，降低技术门槛并提升软件质量。本课题重点围绕以下三个内容展开：一是基于移动应用GUI意图理解的无障碍代码智能生成，研究大模型对复杂界面结构与交互意图的深度解析机制，自动化生成符合标准的辅助服务代码；二是基于智能体的无障碍代码自动化评测机制，探索利用 Agent 技术在复杂应用环境下的交互测试策略，规避复杂 GUI 交互中的“幻觉”现象，提升评测的客观性；三是构建生成与评测的双向反馈闭环模型，利用评测结果反向指导大模型进行代码微调，实现无障碍代码的智能修复与迭代。本课题研究将为移动应用无障碍化改造和开发提供新思路，进而提升移动无障碍应用的开发效率与代码稳定性，具有重要的理论与工程应用价值。