CNCC2024 | 大模型如何使能软件工程专题论坛在横店举办

2024年10月26日，2024年度中国计算机大会（CNCC2024）——“大模型如何使能软件工程”专题论坛在浙江省东阳市横店圆满举办。

随着大模型技术的迅猛发展，软件工程领域正迎来前所未有的变革。通过融合大模型技术，软件开发人员能够在设计、开发和运维过程中实现更高程度的自动化与智能化，从而显著提升软件开发效率和确保代码质量。理解并掌握大模型使能软件工程，对于促进技术进步、产业升级、产品开源及应对未来挑战至关重要。本次论坛分为嘉宾分享和Panel两个环节，聚焦于大模型使能软件工程的前沿技术、应用案例、方法实践和关键挑战，力图重新定义软件工程的发展方向与实践路径，吸引了来自高校和企业的学者与专家进行成果交流与问题讨论。

本次论坛由CCF会士、监事长、北京大学金芝教授担任主席，哈尔滨工业大学（深圳）高翠芸副教授担任共同主席。论坛伊始，金芝教授首先对各位嘉宾的到场表示热烈欢迎。紧接着，她详细阐述了智能化软件工程近年来的发展状况，同时分析了现有工具的优势与不足，引出本次论坛的主题——利用大模型使能软件工程。她提出，下一代软件工程将以大模型为基，形成人机物融合的体系结构，但目前依然存在众多挑战亟待解决，引发嘉宾和观众的广泛思考。

金芝教授作开场报告

第一位分享嘉宾南京大学的马晓星教授，带来《神经符号系统——非确定性管理的视角》的主题分享，主要围绕“神经符号系统”的构建与非确定性的挑战展开。神经符号系统是融合神经网络和符号推理的混合系统，旨在模仿人类的快速直觉推理和精确逻辑推理。他谈到，神经网络部件引入了不可避免的非确定性，使得传统软件工程中的模块化组合方法难以适用，因而需要新的方法保障质量。针对神经符号系统的端到端构建，他提出了“符号接地”问题，即如何从直观的神经网络输出生成符号概念。现有的双层优化方法常面临收敛性问题，他提出交替梯度下降法，以增强不同模块间的交互，有效处理符号约束的连续化。最后，他介绍了如何利用不可信的神经网络生成可信的符号内容，包括数学命题的自动形式化和复杂不等式的自动证明。

第二位分享嘉宾是来自北京理工大学的刘辉教授，他分享的主题是《大模型时代软件工程研究的新范式》。首先，刘辉教授回顾了传统软件工程的两种研究范式，即发现新问题或挖掘老问题的新解法，通过设计新方法来解决问题。然而，随着大模型技术的迅速发展，传统算法的作用逐渐被大模型替代，这对软件工程带来了新的挑战和机遇。他通过分析2024年发表在软件工程顶会ICSE的13篇论文指出，大模型在代码生成、缺陷定位、代码重构等方面展现了强大的潜力，并通过“提示词工程”、知识图谱等技术为软件工程问题提供创新解决方案。接着，他进一步分析了基于大模型的新研究范式，包括分步处理、反馈迭代和知识增强等方法，但同时也指出，这种范式依赖于大模型的性能，可能导致研究结果的可持续性受到影响。他认为，应避免简单地将大模型作为工具，而是深入挖掘其在复杂问题解决中的潜力，使研究具有长远价值。

第三位分享嘉宾是来自阿里通义实验室的李永彬博士，他分享的主题是《软件工程智能化的应用进展和前沿探索》。他结合阿里巴巴通义实验室推出的“通义灵码”智能编码助手和“通义星尘”数字人系统，分享了在代码生成、代码补全及开发者辅助等方面的技术应用。针对代码补全任务，他认为应该以开发者需求为中心，在给定上下文的情况下，不仅要生成正确的代码，更要精准猜中程序员的心中所想。他介绍了一个自动构建评测数据的Agent系统Codev-Bench，使用户可以自定义自己的评测集合，有效防止数据泄露。随后，他介绍了Lingma-SWEGPT软件工程大模型，该模型在在SWE-bench Lite 和 Verified上取得开源模型最好效果。讲者还提到“云工开物”计划，为高校提供免费或优惠的云资源支持，助力产教融合和科学研究，推动AI技术的普及与应用。

第四位分享嘉宾是来自浙江大学的胡星副教授，她的分享主题是《大模型驱动的代码智能：生成、测试与评估》。首先，她指出大模型（如ChatGPT）在代码生成和代码解释方面显著提升了开发效率，且通过自然语言与代码的交互实现了智能化辅助开发。在测试生成方面，她提到了TestPilot系统，可自动生成单元测试，减少了手动编写的工作量，并探索了将相似项目间的测试用例进行迁移，以提升代码质量。接着，她还提出了评估代码推理能力的方法，强调了在运行时信息的基础上评估模型的执行路径预测等推理任务，并展示了思维链（CoT）在增强推理准确性上的效果。最后，她总结了大模型在代码生成和测试生成中的实际成效，并指出未来的发展将进一步优化模型在复杂开发任务中的应用。

第五位分享嘉宾是来自华东师范大学的陈小红副教授，她分享的主题是《驾驭大语言模型：需求工程的机遇挖掘与挑战应对》。她探讨了大模型在需求工程中的应用机遇与挑战，需求工程是软件工程中至关重要且复杂的任务，传统方法因耗时费力且易受人为误差影响而面临局限。大模型的引入为需求获取、分析、验证等任务带来了新机遇。例如，利用大模型的自然语言处理能力，可以辅助需求抽取、生成需求规格说明，并支持需求文档的自动化生成与优化。然而，大语言模型的应用也面临挑战，包括生成内容的“幻觉”问题、上下文理解的局限性及隐私安全问题。她强调，为实现智能化需求工程，需依赖人机协作，将领域知识和专业知识嵌入大模型，同时增强模型的输出评估机制。她总结道，未来的需求工程将朝着智能化与人机协作的方向发展，需持续提升大模型的性能和可靠性，并加强伦理与责任意识。

在五位嘉宾的精彩分享后，论坛进入第二阶段——Panel环节，由高翠芸副教授主持，邀请论坛主席金芝教授，五位分享嘉宾和华为夏鑫博士等共同参与讨论。讨论议题集中在“大模型在软件工程中的角色定位”，“大模型的伦理和社会影响”和“大模型在软件开发中的前景”等三个方面。各位嘉宾结合自己的研究工作，提出了自己的看法，引发现场嘉宾和观众的思考和讨论，现场反响热烈。

Panel环节

会后，金芝教授邀请全体参会嘉宾合影留念。

全体嘉宾合影留念