ISSTA 2026程序修复
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。
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。
研究聚焦于 AI for Software Engineering (AI4SE)， 将大语言模型、程序分析与可验证的软件工程环境结合，构建更可靠的代码智能体与生态工具链。 工作横跨执行反馈、仓库级基准、变更影响分析、OpenHarmony 生态质量保障与低资源编程语言支持， 但都围绕同一个核心：让 AI 真正可靠地服务于软件工程实践。
研究动机
大语言模型已经展现出很强的代码生成能力，但真实软件工程并不只需要「写出补丁」： agent 还要理解仓库、选择证据、控制执行成本、维护变更历史，并在特定生态中经得起验证。 我关注的核心问题是：如何把 LLM 的生成能力、程序分析的确定性与真实软件工程环境结合起来，构建可靠的代码智能体与生态工具链？
在代码智能体场景中，分析执行反馈何时值得使用（To Run or Not to Run）， 并用轻量静态结构提升仓库导航稳定性（CodeAnchor）； 在 OpenHarmony 生态中，把领域规则、静态分析、LLM 与真实反馈结合起来做修复、迁移和性能分析（HapRepair、Phantom Rendering Detection）； 在评估层面，系统分析 LLM 究竟理解了什么代码知识，以及 AI4SE 工具应该如何被可靠衡量。
教育背景
- 2024 – 至今
- 北京航空航天大学 · 计算机科学与技术 · 硕博连读
- 2019 – 2024
- 北京航空航天大学 · 软件工程 · 本科
最新动态
- 2026 博士生青培计划入选— 带着新的认可与期待，继续在 AI 与软件工程交叉方向做有价值的研究。
- OpenHarmony Bench 技术报告上线 arXiv：能编译，不等于真的完成了应用需求— 我在实习期间参与的 OpenHarmony 应用级 coding-agent benchmark，覆盖新功能开发、规格驱动实现和真实缺陷修复。
- AtomicCommitBench 论文上线 arXiv：代码智能体不该只交一坨 diff— 把 squashed patch 重新组织成可 replay、可 review、可 selective revert 的原子提交历史。
- 开源 SkillLens：面向 Codex / Claude Code 的 SKILL 可视化优化框架— 把 SKILL.md 约束与真实 agent 轨迹对齐，展示覆盖、违反、忽略路径，并生成 anti-bloat 优化建议。
- RepoRescue 论文上线 arXiv：旧仓库不是坏了，是世界变了— 关于 LLM agents 能否真正修源码、拯救被生态漂移困住的旧仓库。
代表性工作
ISSTA 2026Code Agent
CodeAnchor
研究轻量静态结构如何作为确定性锚点，提升代码智能体在真实仓库中的定位稳定性、复现性与导航效率。
FSE 2026性能分析
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，提升移动应用流畅度。
ICSE 2026LLM 安全
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
- 2023 年底大四期间开始接触科研，加入 SMAT 实验室。
- 2023.11第一篇论文投稿 —— 开源 AI 软件工程工具的机遇与挑战，系统梳理 AI4SE 领域的开源生态现状。
- 2024第一篇论文被 TOSEM 接收 —— Open-Source AI-based SE Tools，覆盖 100+ 开源工具的全景式综述。
- 2024.09本科毕业，正式开始硕博连读；同期开启与华为、BTH 和 SMU 的合作研究。
- 2025.03HapRepair 被 FSE Industry 2025 接收 —— 面向 OpenHarmony 生态的自动修复，从论文走向工程落地。
- 2025.06MazeBreaker 被 ICSE 2026 接收 —— 用多智能体强化学习做自适应安全评估。
- 2025 – 2026研究全面推进：Phantom Rendering（FSE 2026）、Cangjie 微调（EMSE 2026），以及围绕仓库级兼容性维护、变更影响分析与 OpenHarmony 迁移的多个在投工作。
研究方向
四条主线共享同一个问题：如何让代码智能体在真实软件工程环境中既可靠又可验证。点击展开细节。
研究主题
代码智能体程序修复执行反馈仓库级基准变更影响分析原子提交OpenHarmony静态分析代码理解低资源语言
已接收论文
全部论文 →- To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program RepairISSTA 2026PDF
- How Much Static Structure Do Code Agents Need? A Study of Deterministic AnchoringISSTA 2026PDF
- Phantom Rendering Detection: Identifying and Analyzing Unnecessary UI ComputationsFSE 2026PDF
- MazeBreaker: Multi-Agent Reinforcement Learning for Dynamic Jailbreaking of LLM Security DefensesICSE 2026PDF
- HapRepair: Learn to Repair OpenHarmony AppsFSE Industry 2025PDF
- Effective Fine-tuning for Low-resource Languages: A Case Study of CangjieEMSE 2026PDF
- Open-Source AI-based SE Tools: Opportunities and Challenges of Collaborative Software LearningTOSEM 2024PDF
- Exploring Code Analysis: Zero-Shot Insights on Syntax and Semantics with LLMsTOSEM 2026PDF
开源工具
HapRay
OpenHarmony 应用性能分析工具，用于检测 UI 中的 Phantom Rendering 问题。
FSE 2026 · GitCode
HomeCheck
OpenHarmony 静态检查与自动修复工具，HapRepair 的核心模块。
FSE Industry 2025 · GitCode
HomeTrans
Android → OpenHarmony 应用迁移工具，辅助应用进入鸿蒙生态。
迁移工具 · GitCode
ResearchClaw
AI 驱动的科研桌面应用：文献管理、智能阅读笔记与 Research Idea 生成。
Electron + TypeScript · GitHub
SkillLens
面向 Codex / Claude Code 的 SKILL 覆盖分析与优化框架。
Agent Skills · GitHub
合作
华为
OpenHarmony / 移动应用质量
Chi Chen
- HapRepair：OpenHarmony 应用修复
- Cangjie：低资源编程语言微调
Han Hu
- Phantom Rendering Detection：移动 UI 性能分析
Bo Sun
- Phantom Rendering Detection：移动 UI 性能分析
Gang Fan
- Phantom Rendering Detection：移动 UI 性能分析
合作主题：OpenHarmony 应用修复、Phantom Rendering / UI 性能分析、Cangjie 低资源语言微调
Blekinge Institute of Technology (BTH)
LLM 代码理解 / AI4SE 评估
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
合作主题：LLM 代码理解与语义评估、MazeBreaker 自适应评测、AI4SE 开源生态与实证研究
Singapore Management University (SMU)
LLM Agent / 执行效率
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
合作主题：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
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。