首页 过刊目录
过刊目录
2026年, 第63卷,第4期  刊出日期:2026-04-01
    大模型与软件工程专题
  • 计算机研究与发展. 2026, 63(4): 825-826. doi: 10.7544/issn1000-1239.20264
  • 大模型与软件工程专题
  • 高俊涛, 刘芳, 杨溢龙
    计算机研究与发展. 2026, 63(4): 827-853. doi: 10.7544/issn1000-1239.202550700

    在现代软件开发中,需求歧义是导致项目失败、成本超支和质量问题的关键因素,因此,人们对需求歧义的自动化检测进行了广泛的研究。虽然这些方法降低了人工审查的时间成本,但歧义检测解决方案类型不全,难以全面覆盖语言歧义对应的6种歧义类型。传统方法缺乏深层次的语义理解、逻辑关系识别以及引用/指代关系识别能力,这限制了其对语义的处理能力,无法对语用歧义以及语言错误歧义进行检测。为此,提出了一种基于大语言模型的方法(称为LMAdetect),用于自动检测需求歧义。对于给定的需求, LMAdetect根据启发式规则和大语言模型进行分析,将该需求检测分类为对应的歧义类型。然而,大语言模型经常会分类出不同的歧义类型,针对大语言模型的分类结果,LMAdetect利用基于规则的算法,将不同歧义类型分配给不同专家进行检测。最后对这些检测结果根据置信度进行汇总并输出置信度高的分类结果。对6种歧义类型共1 192个数据进行了实验,结果表明,相较传统基于规则的方法,LMAdetect的F1分数提升了34.4个百分点,相较仅使用基于大语言模型的方法,F1分数提升了31.6个百分点,对于语用歧义和语言错误歧义的检测,F1分数分别达到了0.6950和0.8889,展示了其在需求歧义检测方面的优势。

  • 大模型与软件工程专题
  • 谭舒孺, 肖宏彬, 李智, 谢晓兰, 武天昊, 汤飞
    计算机研究与发展. 2026, 63(4): 854-867. doi: 10.7544/issn1000-1239.202550663

    大语言模型(LLM)在软件工程中的应用日益广泛,但目前自动化代码生成研究主要集中于通用功能代码,缺乏针对嵌入式系统特殊需求的有效解决方案。提出了RD2ESC(requirements documents to embedded system code)方法,通过基于提示词的微调技术使LLM能够理解嵌入式代码与需求文档之间的复杂关系,并构建了多智能体协同的代码生成框架,能够利用需求文档和参考代码快速生成高质量的嵌入式代码。实验结果表明,RD2ESC相比GPT-4o基线模型在Pass@1指标上从0.15提升至0.71,测试通过率达到0.75,编译通过率达到0.95;敏感性分析显示该方法对参考代码质量存在一定依赖性,在10%~50%扰动条件下Pass@1从0.68降至0.47,完全无参考代码时降至0.25,但仍保持基础代码生成能力;消融实验证实了多智能体间的协同效应,完整系统相比单一组件展现出显著的性能提升。该研究为嵌入式代码自动生成提供了有效的技术框架,提升了嵌入式系统开发效率。

  • 大模型与软件工程专题
  • 嵇友晴, 张迎周, 苏玉鹏, 王刚, 张文智, 谢金言
    计算机研究与发展. 2026, 63(4): 868-883. doi: 10.7544/issn1000-1239.202550688

    随着大语言模型(LLM)在软件工程领域的广泛应用,通过其强大的代码理解与生成能力进行自动化代码重构,已成为提升软件质量与开发效率的关键方向。然而,对于由语句交错、重排等导致的非连续代码克隆,LLM在重构时面临着语义上下文分散、关键依赖捕捉困难以及易产生“幻觉”错误等核心挑战。为应对这些挑战,提出了一种融合静态分析与LLM的非连续代码克隆重构方法。该方法首先通过结合程序切片与代数分类器,高效精准地识别非连续克隆;然后,通过一种基于上下文信息的重构机会识别算法,为LLM确定最佳重构目标;最后,利用思维链少样本提示策略引导LLM生成高质量的“提取函数”重构建议,并利用蜕变关系验证机制,对生成结果进行语义和结构一致性验证。所提出的重构方法在Junit等真实项目中减少了66%~71%的克隆代码。此外,在开源数据集Google Code Jam和BigCloneBench上的实验表明,所提出的检测方法F1值较现有主流工具提升了2%~18%,在Community Corpus-A重构机会识别基准上,F1值达到了0.415,超越先进工具GEMS 7.5%,提升了软件质量。

  • 大模型与软件工程专题
  • 张瑞宸, 张亚东, 兰文尉, 岳清, 王正武, 崔展齐
    计算机研究与发展. 2026, 63(4): 884-899. doi: 10.7544/issn1000-1239.202550692

    数据库管理系统(database management system,DBMS)作为数据管理与存储的关键软件,其可靠性直接影响数据密集型系统的安全稳定运行。近年来,模糊测试因其具备人工成本低、测试效率高等特点,成为DBMS测试方法之一。然而现有的DBMS模糊测试方法面临测试用例覆盖能力不足与多DBMS适配性差两大问题,限制了测试的效果和泛用性。为此,CLCC(curated LLM case construct)是一种基于大语言模型(large language model,LLM)的DBMS模糊测试方法。该方法在模糊测试前,利用LLM对初始种子进行构建,并在模糊测试过程中,根据边覆盖情况筛选种子,引导LLM生成测试用例。与SQUIRREL、SQLRight和ParserFuzz进行的对比实验表明,CLCC测试SQLite、MySQL、MariaDB、DuckDB和PostgreSQL的边覆盖数量比SQUIRREL增加了14.96%~49.31%;测试SQLite、MySQL和PostgreSQL的边覆盖数量比SQLRight增加了6.09%~17.10%;测试SQLite、MySQL和MariaDB的边覆盖数量比ParserFuzz增加了17.95%~41.20%。

  • 大模型与软件工程专题
  • 魏威, 苑兴, 杜军威, 李玉莹
    计算机研究与发展. 2026, 63(4): 900-917. doi: 10.7544/issn1000-1239.202550693

    缺陷报告是开发者定位和修复缺陷的关键依据,其质量直接影响软件维护效率。尽管已有研究证明高质量报告可显著缩短修复时间,但开源项目中仍普遍存在信息残缺问题。现有基于机器学习和大语言模型(LLM)的自动补全方法虽能提升完整性,但仍存在明显不足:传统方法通过检索和拼接相似报告片段,易导致语义断裂和逻辑不一致;LLM生成内容虽流畅,却可能存在事实性幻觉。受人类专家“分阶段处理、多角色协同”的问题解决机制启发,提出一种多代理协作机制实现缺陷报告补全和优化。通过3个关键设计实现高质量补全:1)将补全任务分解为缺陷分析、报告补全和质量评估3个阶段,由不同代理负责以降低认知负荷;2)设计结构化提示模板,精准引导LLM扮演领域专家角色,确保各阶段输出准确;3)引入动态反馈机制,通过多轮迭代实现代理间的交叉验证和协同优化,有效控制语义漂移问题,确保逻辑连贯且补全内容与事实一致。在4个公开数据集上的实验表明,在BLEU,Sentence-BERT,ROUGE-L和METEOR指标上较基线分别提升10.41%,7.52%,13.55%和16.64%。人工评估进一步证实,所提方法补全的报告在完整性、清晰性与帮助性上均显著优于现有方法,可为开源社区缺陷治理提供可靠支持。

  • 大模型与软件工程专题
  • 崔星, 吴敬征, 罗天悦, 凌祥, 王旭
    计算机研究与发展. 2026, 63(4): 918-942. doi: 10.7544/issn1000-1239.202550698

    随着开源软件生态的蓬勃发展,使用开源已成为当前开发的主流模式。其中,README是理解、复用开源软件的关键要素。然而,部分开源软件存在README文件缺失、信息不全以及结构不清晰等不规范问题,导致开发者难以理解和使用,降低开发效率。研究人员提出了多种README自动生成、补全方法,但这些方法仍然面临跨语言适用性不足、忽视代码结构信息、生成结果存在幻觉和主观性等挑战。因此,提出结合大语言模型与代码结构建模的双阶段README自动生成框架RMancer。第1个阶段中,RMancer设计了基于提示引导的结构化信息抽取方法,结合静态分析生成高质量训练数据,提升模型对文件级功能摘要、依赖关系和主程序入口等结构要素的感知能力。第2个阶段设计了基于调用图的拓扑排序策略,重构模块间的执行逻辑顺序,以构建结构化文档生成的上下文信息;同时,引入多任务监督机制,引导大模型联合学习文档段落结构与内容生成,提升输出文本的逻辑一致性与客观性;最后,RMancer通过标准化约束策略对生成结果进行格式规整与内容审校,确保文档的规范性与准确性。在包含 16692 个开源软件的测试集中,RMancer 在信息抽取与 README 生成2个子任务上均显著优于现有方法,具体而言,在信息抽取任务中,其在calls、entry和description 字段的 F1-score 相较最佳基线模型平均提升2.34%;在文档生成任务中,BLEU、METEOR 和 ROUGE-L三项指标相较最佳基线模型平均提升幅度为1.37%。此外,RMancer在AlignScore和G-Eval两种自动评估指标上表现最佳。同时,在内容客观性与冗余控制等关键维度上,RMancer仍保持领先表现,进一步验证了其结构感知与多任务优化策略的有效性。

  • 人工智能
  • 景宇宸, 温玉辉, 李晨光, 于剑
    计算机研究与发展. 2026, 63(4): 943-959. doi: 10.7544/issn1000-1239.202550352

    人与场景交互运动生成任务涉及计算机视觉、计算机图形学和机器人控制学等多个领域。该任务旨在利用深度学习算法从大量交互运动数据中建模并学习人与场景的交互运动关系,生成人与室内场景或其中物体的各种交互运动,包括避障漫游、人椅交互和物体抓取等。相比于传统物理仿真方法,基于数据驱动的交互运动生成方法摆脱了对物理仿真引擎的依赖,具有更高的计算效率和更强的泛化能力,在游戏设计、影视制作和人机交互等领域具有广泛的应用前景。然而,当前对人与场景交互运动生成技术的研究尚未形成系统性归纳,系统梳理与阐述当前人体与场景交互运动生成技术的核心进展。首先阐释3维人体与场景的数据表示方法;其次在此基础上系统地归纳不同交互任务类型及技术挑战,详述相关基准数据集的核心特征及评估指标体系;最后总结现有技术路线的局限性并分析未来研究的突破方向与潜在发展路径。

  • 人工智能
  • 任晓阳, 林毓秀, 于晓, 刘慧
    计算机研究与发展. 2026, 63(4): 960-972. doi: 10.7544/issn1000-1239.202550353

    多视图聚类通过将数据样本划分为不同类别的无监督方式学习共识表示,受到了广泛关注。近年来,对比学习凭借其强大的跨视图特征对齐能力,在多视图聚类中展现出了巨大的潜力。然而,现有对比多视图聚类方法存在正负样本划分的假阴性与假阳性问题,限制了聚类性能的进一步提升。为解决这些问题,提出了基于谱嵌入相似度的多层对比多视图聚类方法。通过引入基于谱嵌入相似度的多层对比学习机制,有效缓解了正负样本划分不准确带来的性能瓶颈。首先,基于各视图潜在表示构造拉普拉斯矩阵,并利用其特征向量生成谱嵌入相似度矩阵。其次,根据谱嵌入相似度矩阵提供的全局先验信息划分正负样本对,缓解了样本划分错误对潜在表示学习的干扰。然后,设计跨视图对比损失来强化一致性表征和共享语义对齐。最后,通过可学习权重自适应地融合各个视图的潜在表示,得到全局多视图表示,并在此基础上设计全局对比损失来强调多视图一致性信息。在公开多视图数据集上的大量实验验证了所提方法的有效性。

  • 人工智能
  • 王蕾晰, 吴伟志, 王熙照
    计算机研究与发展. 2026, 63(4): 973-986. doi: 10.7544/issn1000-1239.202550464

    多尺度混合数据的知识获取是多粒度环境下数据建模的重要研究方向,而最优尺度的选择是多尺度数据知识获取的一个关键步骤。然而,在计算最优尺度时,大多数多尺度粒计算分析模型都只是基于所有属性,并没有考虑所选择属性的顺序对所获最优尺度的作用,影响了模型的鲁棒性和有效性。为此,提出一种定向搜索基于相对相关属性子集的最优尺度组合的新方法,用以处理多尺度混合数据中的最优尺度组合选择问题。首先,基于条件熵,在一个广义多尺度混合决策系统(generalized multi-scale hybrid decision system,GMHDS)中给出条件属性关于决策的相对相关性的度量;其次,给出基于相对相关属性子集的正域最优尺度组合的定义,以确保最优尺度组合在相关性较高的属性子集中搜索;进一步,在一个GMHDS中设计一种新的定向搜索最优尺度组合的逐步搜索算法,在搜索过程中尽可能选择与决策相关性较高的条件属性所对应的尺度。实验结果表明,在大多数情况下,该模型的结果比其他对比模型的结果具有更好的分类表现。

  • 人工智能
  • 郭虎升, 张旭, 张羽桐, 王文剑
    计算机研究与发展. 2026, 63(4): 987-997. doi: 10.7544/issn1000-1239.202550447

    概念漂移是流数据在现实世界的一个重要特性,也是数据挖掘中不可避免的难题。在多类别概念漂移适应问题中,由于其训练速度较慢,故存在整体性能较好但收敛速度较慢的问题。为此,提出了一种多类型概念漂移引导的在线分时适应性集成(online time-sharing adaptive ensemble guided by multi-type concept drift,OTAE)方法,该方法通过计算不同数据块间的时间偏移距离提取距离偏移序列,根据序列特征识别不同漂移类型;针对不同类型概念漂移,结合指数梯度下降模型遗憾边界,动态异步初始化模型权重,实现模型的持续异步权重更新;之后,结合数据分类特征计算样本类内外距离,借此提取样本混合密度,生成密度权重矩阵,实现模型的短时权重调控;最后,将长期权重矩阵与短时权重矩阵结合,实现模型的双阶段加权集成。实验结果表明,该方法提高了模型对不同漂移类型的适应速度,取得了良好的预测性能。

  • 人工智能
  • 刘佳瑜, 王勇, 杨静, 王念滨
    计算机研究与发展. 2026, 63(4): 998-1009. doi: 10.7544/issn1000-1239.202550451

    联邦学习是一种经典的分布式机器学习范式,允许在不集中数据的前提实现模型协同训练。该方法在保障数据隐私方面具有显著优势,然而由于客户端间数据异质性显著以及联邦规模不断扩大,对训练效率和模型性能提出诸多挑战。已有研究表明,在独立同分布(independent and identically distributed,IID)环境下,模型的参数结构通常满足特定一致性关系,这些一致性关系往往在神经网络训练过程的中间结果中得以保留。若在非独立同分布(non-independent and identically distributed,non-IID)数据下能够识别并正则化上述一致性关系,有助于将参数分布向IID情形对齐,从而缓解数据异质性带来的影响。基于上述思想,引入深度学习加密数据概念,并基于此提出了一种一致性优化范式。发掘数据软标签与模型分类层权重矩阵之间的一致性关系,据此构建了一个新的异构联邦学习框架FedDW。在4个公开数据集及多种神经网络模型(包括ResNet,ViT)上开展实验。结果表明,在高度异构的客户端数据设置下,FedDW相较于10种主流联邦学习方法在平均准确率上提升了约3个百分点。此外从理论上证明了FedDW具备更高的训练效率,其附加的反向传播计算开销可以忽略不计。

  • 人工智能
  • 刘文杰, 陈松灿
    计算机研究与发展. 2026, 63(4): 1010-1020. doi: 10.7544/issn1000-1239.202550468

    不平衡回归专指标签连续但其等长标签段(label-bin)内样本数不等的学习任务,而对应的深度延伸形成了当前流行的深度不平衡回归(deep imbalanced regression,DIR)。这些算法均隐含假设了等间隔标签段组成的样本对相似性一致。以年龄和图像景深(depth)估计为例,该假设认为不同年龄段人脸老化速度和不同空间距离深度视觉线索均相同;与此同时,DIR还面临标签段内样本差异大以及相邻标签段判别界限重叠的问题。为应对上述挑战,提出一种融合双边对比学习(bilateral contrastive learning,BCL)和双边mixup诱导的Universum(bilateral mixup-induced Universum,BMIU)增广的BCLU策略及其对应的RBLU算法。一方面,BCL以锚点为边界将数据划分成左右子集,锚点在各子集内能单向匹配到强相似的正对,克服了仅依靠标签距离构造出标签弱相似但语义强相似负对的困境,达到放宽均匀假设的目的,实验也证明BCL显著缓和了样本不平衡;另一方面,BMIU将锚点与两侧子集内随机选择的样本特征混合,构造出不属于任何标签段且能抑制相邻标签段重叠的楔形(wedge)特征,强制标签段间判别边界尽可能分离以及标签段内特征尽可能紧致以降低类间重叠。值得提及的是,BMIU能作为副产品在无需引入任何有序约束的前提下便能自然地保持有序特性。最后在DIR标准数据集上充分验证了所提RBLU算法的有效性。

  • 体系结构
  • 胡世鹏, 张广艳, 郑纬民
    计算机研究与发展. 2026, 63(4): 1021-1038. doi: 10.7544/issn1000-1239.202550461

    大语言模型的部署推理需要针对中间数据,即键值缓存,进行存储复用。然而键值缓存的空间规模迅速增长,为系统带来显著的存储压力:一方面,当前推理请求的大规模键值缓存导致显存瓶颈问题,从而限制推理并行度。另一方面,长期记忆需求导致海量键值缓存长期存储在持久存储设备内,带来高昂的存储成本和加载开销。为了缓解键值缓存带来的存储压力,现有研究针对键值缓存进行压缩,从而削减其空间规模,然而如何在提升压缩率的同时减小对模型回答质量的影响并将压缩带来的计算开销控制在较低程度仍面临着诸多挑战。系统地综述了键值缓存压缩策略的研究进展,首先介绍键值缓存的规模及其对推理效率、存储成本的影响,并总结键值缓存压缩策略面临的三大挑战:模型回答质量、计算开销以及泛化性。然后对现有的键值缓存压缩策略进行分类:基于合并的、基于量化的、基于标记驱逐的、基于共享的以及基于注意力头削减的压缩策略。对每种压缩策略进行阐述,并分析其设计原理和软件技术。最后指出了键值缓存压缩策略的未来研究方向。

  • 体系结构
  • 李仁刚, 李霞, 刘俊, 侯鹏宇, 王彦伟, 杨广文
    计算机研究与发展. 2026, 63(4): 1039-1062. doi: 10.7544/issn1000-1239.202550211

    在新型高性能计算应用的驱动下,异构计算系统对设备间高速互连的需求呈现激增态势,相关互连技术已成为体系结构领域近年来的研究热点。CXL(compute express link)以高扩展性、高带宽和低时延的优势,成为新一代互连技术的主流发展趋势,受到了学术界和产业界的大量关注。从CXL互连协议、CXL设备产品及性能特点、CXL内存管理与应用研究3个方面进行分析总结:首先,介绍CXL互连协议的总体架构,基于CXL协议的典型事务流,分析了其缓存一致性维护机制。然后,概述CXL设备类型及产品研发的国内外进展,并系统深入地分析了CXL设备的性能特点。最后,根据CXL的不同设备类型总结梳理了当前学术界对CXL互连技术的应用研究、案例与挑战,并据此就未来的研究方向进行了展望,以促进其在内存扩展与池化、新型存算架构、加速器协同计算等领域的应用研究及产业界落地。

  • 体系结构
  • 龙家璇, 肖春华, 孙韬宁, 熊浩宇, 左笑寒, 吴林, 陈延科
    计算机研究与发展. 2026, 63(4): 1063-1078. doi: 10.7544/issn1000-1239.202550229

    移动设备应用生态的发展导致内存压力加剧,传统物理扩容方案受限,压缩内存成为主流内存扩容技术。然而,当前压缩内存系统仍存在文件页性能低下、压缩开销较高及存储资源利用率方面不足的问题,对系统性能产生了负面影响。针对上述问题,提出EC-MemOpt(efficient compression-based memory management framework for hot file pages)与APC-MSO(anonymous page compression-based memory swapping optimization method)这2种优化框架。EC-MemOpt通过迁移高频访问的文件页至压缩内存,并结合压缩性预测技术,有效提高了文件页I/O性能和存储资源利用率。APC-MSO针对匿名页特性,优化了压缩交换策略,从而减少无效压缩计算开销。最后,研究构建面向混合内存页的协同管理架构(EC-MemOpt+APC-MSO),实现差异化分区管理。与OnePlus维护的QCOM 8350R内核相比,该架构在应用切换速率和空间利用率方面分别提升10.5个百分点和9.8个百分点。实验结果表明,提出的优化方法能显著改善移动端内存压缩系统的综合性能。

  • 体系结构
  • 陈立, 高军, 赵天磊, 刘峤
    计算机研究与发展. 2026, 63(4): 1079-1093. doi: 10.7544/issn1000-1239.202440783

    一级指令缓存缺失导致的大取指延迟是制约现代处理器性能进一步提升的重要瓶颈之一,尤其在大指令踪迹的服务器应用上更是如此。指令预取技术是解决这一问题的关键性技术,它通过提前将要用到的指令块放入上级缓存中,从而达到掩盖高昂访问延迟时间的目的。近年来,研究者们提出了许多指令预取架构来缓解该问题,但由于指令局部性较差,长距离函数调用仍然带来了大量的指令缺失。设计了一种新的指令预取机制,能以较低的硬件开销实现对函数调用目标指令的高覆盖率和高准确率预取。实验表明,优化后的函数调用目标指令缺失率较目前最先进的指令预取器降低约45%,IPC(instruction per cycle)性能比基准线高约11.9%,比目前相似开销的最先进的指令预取器高出约2.9%。