快速訪問通道
講座題目（1）：面向人工智能基礎設施（AI Infra）的系統軟件：思考與實踐
主講專家：劉譞哲
講座時間：3月30日19:00-21:00
講座地點：騰訊會議：565-398-575或研究院一號樓北532報告廳
主講人簡介：
劉譞哲，北京大學博雅特聘教授，北京大學計算機學院長聘教授，北京大學人工智能研究院雙聘教授，國家杰出青年科學基金獲得者，國際計算機學會（ACM）杰出科學家。主要研究方向為系統軟件，近年來主要研究興趣是大規模分布式智能計算系統，包括大模型系統、泛在智能體系統、云計算系統等。在在SOSP/ASPLOS, SIGCOMM/NSDI/MobiCom/MobiSys, ICSE/FSE, WWW/IMC/SIGMETRICS等發表論文80 余篇，獲國際萬維網大會WWW最佳論文獎（Best Paper Award，中國首個）、《Science China Information Science》5年高影響力論文獎（Five-Year High Impact Paper Award）、ICSOC杰出論文獎（Distinguished Paper Award）等10余次國際期刊/會議優秀論文榮譽。曾獲國家技術發明一等獎、教育部“青年科學獎”、教育部科技進步一等獎等科技獎勵；獲CCF-IEEE CS“青年科學家獎”、IEEE TCSC可擴展計算職業中期卓越研究成就獎、IEEE TCSVC新星獎、北京大學“十佳教師”、北京大學“教學卓越獎”等榮譽。主持國家自然科學基金、國家重點研發計劃等科研項目10余項；擔任IEEE Open Software Services 獎勵委員會主席、IEEE Technical Committee on Services Computing（TCSVC）副主席、中國計算機學會服務計算專委會副主任等學術服務；國際期刊IEEE Transactions on Mobile Computing、ACM Transactions on Intelligent System and Technologies、《中國科學·信息科學》等期刊的Associate Editor；國際會議IEEE CLOUD 2024、IEEE ICWS 2023、IEEE EDGE 2020等程序委員會主席和ICSE、WWW、ICDCS等學術會議程序委員會委員等。
主講摘要：
大模型及其應用推動了人工智能的新一波高潮。隨著模型結構日益復雜和應用規模持續增長，人工智能基礎設施（AI Infra）存在算力“不夠用”、“不好用”和“不管用”的“三不”挑戰，計算機軟件技術正在面臨新一輪變遷和發展機遇。本報告將介紹AI Infra的系統軟件面臨挑戰和機遇，匯報團隊在軟件定義的AI Infra方面的工作，包括泛在跨域服務無感知編程模型、大規模（萬卡級別）集群的訓練調度優化系統、大模型推斷服務系統等方面的研究進展。
講座題目（2）：大模型輔助軟件開發：我們在哪里？該往何處走？
主講專家：彭鑫
講座時間：3月30日19:00-21:00
講座地點：騰訊會議：565-398-575或研究院一號樓北532報告廳
主講人簡介：
彭鑫，復旦大學計算機科學技術學院副院長、教授，教育部長江學者特聘教授。中國計算機學會（CCF）杰出會員、軟件工程專委會副主任、開源發展委員會常務委員，中國汽車工程學會汽車基礎軟件分會副主任，《Journal of Software: Evolution and Process》聯合主編（Co-Editor），《ACM Transactions on Software Engineering and Methodology》、《Empirical Software Engineering》、《Automated Software Engineering》、《軟件學報》等期刊編委。2016年獲得“NASAC青年軟件創新獎”，2023年入選上海市東方英才拔尖項目，2024年獲得“中創軟件人才獎”。主要研究方向包括軟件智能化開發、云原生與智能化運維、泛在計算軟件系統、智能網聯汽車基礎軟件等。研究工作多次獲得IEEE Transactions on Software Engineering年度最佳論文獎、ICSM最佳論文獎、ACM SIGSOFT杰出論文獎、IEEE TCSE杰出論文獎等獎項。擔任2022年與2023年CCF中國軟件大會（ChinaSoft）組織委員會主席與程序委員會共同主席，以及ICSE、FSE、ASE、ISSTA、ICSME、SANER等會議程序委員會委員。
主講摘要：
大模型及相關的模型微調、提示工程、檢索增強、多Agent等技術的發展助推軟件開發進入智能化時代。當前，代碼推薦、代碼生成、代碼解釋、代碼缺陷檢測與修復等局部化的智能輔助支持已經在軟件開發實踐中得到了廣泛應用，實現了一定程度上軟件開發效率提升。然而，大模型技術的發展難以觸發軟件智能化開發的質變，因為其中涉及軟件開發的根本性困難，即概念級別上的分析和設計。為此，我們應當從軟件開發自身的規律出發，從多個方面探索人機協作的智能化開發模式。針對軟件應用開發，我們需要探索如何將演進式設計、特定領域語言（DSL）以及有效的代碼審視與反饋與大模型的代碼生成能力相結合。針對復雜軟件維護，我們需要探索如何構建與代碼同步演化的代碼數字孿生（代碼及其高層知識），通過大模型強大的知識抽取、關聯與利用能力實現軟件開發知識的有效積累。
