最新动态
关于我
我是北京航空航天大学博士生，隶属于 SMAT 实验室，导师为黎立教授，副导师为周鸣一。
教育背景
研究聚焦于AI for Software Engineering (AI4SE)，将大语言模型（LLM）与程序分析技术结合，构建更可靠、更安全的软件工程智能工具。 我的工作横跨多个子方向——从自动化程序修复到 LLM 安全评估，从领域特定的生态质量保障到低资源编程语言支持——始终围绕同一个核心：让 AI 真正可靠地服务于软件工程实践。
研究动机与愿景
大语言模型展现了令人瞩目的代码生成能力，但其输出往往缺乏真实部署所需的可靠性与安全性保障。 我的研究围绕一个核心问题展开：如何将 LLM 的生成能力与程序分析的严谨性结合，打造真正可信赖的软件工程工具？
具体来说，这意味着：在程序修复场景中，让 LLM 不仅能生成补丁，还能通过静态分析验证其正确性（如 HapRepair）； 在安全场景中，系统性地评估和加固 LLM 的防御能力（如 MazeBreaker）； 在智能体场景中，分析执行反馈到底何时值得使用（如 To Run or Not to Run），并用轻量静态结构提升代码定位稳定性（如 CodeAnchor）。
长远愿景是构建高效可靠的智能体（Agent）——它不仅能生成代码，更能自主地理解代码库结构、定位缺陷、评估变更影响、生成可验证的修复方案，最终实现从「AI 辅助编码」到「AI 自主工程」的跨越。
代表性工作
To Run or Not to Run
系统分析 LLM 程序修复智能体中的代码执行成本与收益，说明执行反馈应被当作有成本的资源，而不是默认动作。
CodeAnchor
研究轻量静态结构如何作为 deterministic anchors，提升代码智能体在真实仓库中的定位稳定性、复现性和导航效率。
Phantom Rendering Detection
识别和分析 UI 中不必要的渲染计算，帮助开发者发现隐藏的性能瓶颈，提升移动应用的流畅度。
MazeBreaker
提出多智能体强化学习框架，动态评估 LLM 安全防线的越狱漏洞，揭示现有防御机制的系统性弱点。
科研历程
我与华为（OpenHarmony 生态质量、UI 性能分析）、BTH 的 Wei Ma（LLM 代码理解与安全评测）以及 SMU 的 Zhensu Sun（LLM 编程智能体与执行效率）保持紧密合作。 迄今已在 ICSE、FSE、TOSEM、EMSE 等软件工程顶级会议和期刊发表论文，另有多篇工作在投。
研究方向（可点击展开）
科研之外
平时喜欢运动，是陈奕迅和张敬轩的忠实歌迷，也爱玩 NBA 2K、FIFA 等体育类电子游戏。 相信好的研究和好的生活一样，需要节奏感。
研究兴趣
🔬 研究方向
LLM 代码理解
研究大语言模型如何理解代码语法和语义，以改进代码分析任务。
- LLM 捕获的内容：语法、控制流、API 意图
- 评估方式：基准测试 + 探针分析 + 任务指标
智能代码定位
通过整合静态分析与基于 LLM 的 Agent 来提高缺陷定位准确性。
- 混合信号：静态事实（图/流）+ LLM 探索
- 目标：缩小搜索空间，加速调试
OpenHarmony 缺陷检测
为 OpenHarmony 生态系统扩展自动修复工具的缺陷检测能力。
- 基于 HapRepair 提升 OpenHarmony 应用质量
- 针对 ArkTS/HarmonyOS API 的缺陷检测规则
变更影响分析
利用代码知识图谱分析和预测代码变更在大型代码库中的影响。
- 建模超越文件的依赖：符号、调用、数据边
- 在合并/审查前预测连锁反应
代码库健康管理
探索在迭代开发过程中维护代码库质量的结构化方法。
- 及早检测冗余、死代码和风险漂移
- 使维护可度量、可自动化
提示词鲁棒性
解决模型更新和时间漂移导致的提示词退化问题。
- 检测模型更新后提示词的静默退化
- 自动化提示词适配以保持行为稳定
开源工具
HapRay
OpenHarmony 应用性能分析工具，用于检测 UI 中的 Phantom Rendering（幽灵渲染）问题。
HomeCheck
OpenHarmony 应用静态检查与自动修复工具，HapRepair 的核心模块，支持规则驱动的缺陷检测。
HomeTrans
Android → OpenHarmony 应用迁移工具，辅助开发者将安卓应用自动转换为鸿蒙生态。
ResearchClaw
⭐ 59AI 驱动的科研桌面应用，集文献管理、智能阅读笔记、Research Idea 生成于一体，支持 arXiv 论文发现、PDF AI 对话、语义搜索与引用网络。
已接收论文（PDF）
查看全部 →To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair
ISSTA 2026
How Much Static Structure Do Code Agents Need? A Study of Deterministic Anchoring
ISSTA 2026
Phantom Rendering Detection: Identifying and Analyzing Unnecessary UI Computations
FSE 2026
MazeBreaker: Multi-Agent Reinforcement Learning for Dynamic Jailbreaking of LLM Security Defenses
ICSE 2026
HapRepair: Learn to Repair OpenHarmony Apps
FSE Industry 2025
Effective Fine-tuning for Low-resource Languages: A Case Study of Cangjie
EMSE 2026
Open-Source AI-based SE Tools: Opportunities and Challenges of Collaborative Software Learning
TOSEM 2024
Exploring Code Analysis: Zero-Shot Insights on Syntax and Semantics with LLMs
TOSEM 2026
合作
- HapRepair：OpenHarmony 应用修复
- Cangjie：低资源编程语言微调
- Phantom Rendering Detection：移动 UI 性能分析
- Phantom Rendering Detection：移动 UI 性能分析
- Phantom Rendering Detection：移动 UI 性能分析
- • OpenHarmony 应用修复
- • Phantom Rendering / UI 性能分析
- • Cangjie 低资源语言微调
衷心感谢 Wei Ma 老师带我走上科研道路。刚开始接触科研时，是他在选题、论文阅读、实验设计和写作上给予了持续而耐心的帮助；我的许多早期科研训练都离不开他的指导与支持。
- MazeBreaker：面向 LLM 越狱评测的多智能体强化学习框架
- HapRepair：面向 OpenHarmony 应用的 LLM 辅助修复
- Exploring Code Analysis：LLM 代码语法与语义理解评估
- Open-source AI-based SE Tools：AI4SE 开源生态综述
- • LLM 代码理解与语义评估
- • LLM 越狱与安全评测
- • AI4SE 开源生态与实证研究
也衷心感谢 Zhensu Sun。在我逐渐能够独立提出研究想法之后，他仍然在问题定义、实验设计、论文叙事和局限分析等方面给予了许多建设性的意见，帮助我学会把初步 idea 打磨成更完整、更扎实的研究工作。
- EAGER：在 LLM 生成代码时并行执行以隐藏延迟
- To Run or Not to Run：LLM 修复智能体中的执行成本收益分析
- • LLM 编程智能体
- • 执行成本与延迟优化
- • 代码生成与程序修复评估