智汇英杰|王子梁:人工智能驱动的软件质量保障与智能系统可信构建

当前研究主要围绕大语言模型与智能体、智能化软件工程、软件安全分析以及大规模服务系统质量保障展开，其社会价值主要体现在以下三个方面：

（1）提升大规模软件系统的稳定性与资源利用效率，服务数字基础设施建设。

围绕云服务系统中的资源浪费、负载波动和稳定性保障问题，主导研发了面向大规模微服务场景的智能化资源调度与动态扩缩容技术 DeepScaling。该技术能够结合服务运行状态、资源使用规律和业务负载变化，自动优化资源配置策略，在保障系统稳定运行的同时提升资源利用率、降低计算资源消耗。相关技术已在大型互联网企业的真实云服务场景中落地应用，为云计算平台降本增效和绿色计算提供了技术支撑。

（2）增强软件漏洞发现与修复能力，支撑关键信息系统安全。

随着软件系统规模不断扩大，传统人工安全审计难以覆盖海量代码和复杂依赖关系。围绕这一问题，开展了基于深度学习、大语言模型和多智能体协同的软件漏洞检测与修复研究，构建了面向代码语义理解、漏洞定位、补丁生成和修复验证的智能化方法。这类技术可用于辅助开发者和安全工程师更早发现潜在缺陷，降低软件供应链和关键基础设施中的安全风险。

（3）推动人工智能从“模型能力”走向“工程可信应用”。

当前大模型在代码生成、软件开发和智能运维中展现出巨大潜力，但仍存在幻觉、解释不可靠、修复结果难验证等问题。目前主要关注大语言模型在真实软件工程任务中的可信使用，研究模型协同、证据验证、智能体决策和自动化评测方法，目标是让人工智能不仅能够生成代码，更能够理解代码、验证结果、发现风险并服务真实工程流程。这对于提升我国软件研发效率、软件质量和智能化开发工具水平具有重要应用价值。

我目前主要关注大语言模型与智能体技术在软件工程和复杂系统中的应用。未来，人工智能不仅会生成文本和图像，也会深度参与软件开发、漏洞发现、系统运维、科学计算和复杂决策。尤其是在代码理解、软件安全、智能体协同、自动化测试与修复等方向，AI 有望从“辅助工具”逐步发展为“可信研发伙伴”。这为人工智能、软件工程和系统科学的交叉研究带来了很大的发展空间。

我希望培养学生具备三方面能力：第一是扎实的基础能力，包括数学、编程、算法和机器学习基础；第二是面向真实问题的工程能力，能够把模型方法落到代码、系统和应用场景中；第三是科研思维和长期学习能力，能够提出问题、验证假设、持续迭代。我认为人工智能人才不能只会“调用模型”，更要理解模型背后的原理、系统边界和社会价值。

我希望同学们保持好奇心，也保持耐心。人工智能发展很快，但真正有价值的研究往往来自对问题的长期观察和深入思考。我比较看重学生的主动性、执行力、表达能力和抗挫折能力。科研不是简单地追热点，而是要在一个方向上不断积累，敢于提出问题，也愿意把想法落实到真实的世界中。