2023年CCF中国软件大会（CCF ChinaSoft 2023）由CCF主办，CCF系统软件专委会、形式化方法专委会、软件工程专委会以及复旦大学联合承办，将于2023年12月1-3日在上海国际会议中心举行。
本次大会主题是“智能化软件创新推动数字经济与社会发展”，学术、工业、教育、竞赛等分论坛活动40余场，期待您的参与！
目前大会火热报名中！
CCF ChinaSoft 2023官方首页：
http://chinasoft.ccf.org.cn/
点击文末“阅读原文”或扫描下方二维码进入官方注册通道:
https://conf.ccf.org.cn/chinasoft2023
✦ +
+
论坛巡礼
论坛名称：智慧化IDE论坛
时间: 2023年12月2日（星期六），14:00 – 18:00
地点: 上海国际会议中心，5A会议室
论坛简介：
IDE作为工具链的重要组成部分，围绕程序员的整个开发活动，重点关注工程创建，代码编写，编译构建，调试调优，缺陷检测，集成测试等全流程的效率和体验。随着以Copilot和ChatGPT为代表的AI大模型的普及，生成式AI已成为开发人员编写、调试和优化代码能力的必备工具。IDE智慧化已成为发展的必然道路。智慧化IDE论坛邀请工业界和学术界多位顶尖专家，聚焦产业生态和最新的理论研究进展，深度剖析业界IDE智慧化发展现状，探讨研发领域大模型的发展趋势及其在IDE上的智慧化应用成果、主要问题和挑战等。
日程安排
Schedule
论坛主席
Forum Chairmen
蒋奕
华为技术有限公司
现任华为公司软件IDE实验室主任，曾作为首席架构师主导华为第一个自研编译器HCC以及方舟编译器的架构设计与产品化研发。多次获得代表华为公司最高荣誉的金牌个人奖以及金牌团队奖。加入华为之前，先后在Intel，Nvidia，Apple等公司负责编译器、工具链、程序分析工具、调试工具等全栈设计和开发，涵盖GCC，LLVM，Open64，Intel Compiler等主流编译器。
黎立
北京航空航天大学
北京航天航天大学教授，荣获MSR 2023 Ric Holt青年研究成就奖，入选澳大利亚2020年优秀青年基金(DECRA)，曾被评为全球前三最有影响力的青年软件工程研究人员。主要研究方向为AI安全、智能软件工程和移动软件工程，累计发表高水平期刊和会议论文150余篇，谷歌学术引用超6500次（H-index为39），荣获10项最佳/杰出论文奖励，包括2项IEEE TCSE杰出论文奖、2项ACM SIGSOFT杰出论文奖、1项ACM SIGPLAN杰出论文奖以及等。受邀担任中科院一区期刊（ACM Computing Survey）编委以及包括TOSEM、TSE、ICSE、 ESEC/FSE、ASE、ISSTA在内的CCF A类期刊和国际会议的审稿人，多次受邀在国际会议上作特邀报告。
娄一翎
复旦大学
复旦大学计算机科学技术学院青年副研究员，2016年毕业于北京大学信息科学技术学院，获理学学士学位，2021年毕业于北京大学信息科学技术学院，获理学博士学位，博士毕业后在美国普渡大学计算机系任博后研究员。主要研究方向包括软件工程、软件测试与分析、智能化软件开发等。目前已在ICSE、FSE、ASE、ISSTA、TSE等软件工程国际高水平会议和期刊上发表论文二十余篇，获ACM SIGSOFT Distinguished Paper Award、IEEE TCSE Distinguished Paper Award，并担任ICSE、FSE、ASE、ISSTA等国际会议程序委员会委员。
论坛嘉宾
Forum Guests
蒋奕
华为技术有限公司
现任华为公司软件IDE实验室主任，曾作为首席架构师主导华为第一个自研编译器HCC以及方舟编译器的架构设计与产品化研发。多次获得代表华为公司最高荣誉的金牌个人奖以及金牌团队奖。加入华为之前，先后在Intel，Nvidia，Apple等公司负责编译器、工具链、程序分析工具、调试工具等全栈设计和开发，涵盖GCC，LLVM，Open64，Intel Compiler等主流编译器。
报告题目：
模型时代的全流程智慧化IDE探索
报告摘要：
通过构建开发领域大模型Prompt增强能力、智慧开发交互及领域模型等开发领域智慧化IDE技术，打造全流程智慧化开发工具链（特性级代码生成、智慧编译优化、测试用例生成、智慧化调优辅助、缺陷实时预警），降低应用开发、问题定位门槛，助力开发效率及代码质量提升。
孙海龙
北京航空航天大学
北京航空航天大学教授，入选国家级青年人才计划，担任CCF协同计算专委副秘书长。主要研究群体智能、智能化软件方法和分布式系统等。主持多项国家重点研发计划项目、国家自然科学基金专项重点项目及面上项目等。在OSDI、ICSE、IJCAI和AAAI等发表论文130余篇，获得中国发明专利授权70余项、美国发明专利授权2项。曾获国家技术发明二等奖2项、教育部科技进步一等奖3项。
报告题目：
基于群智化方法的AI软件构建
报告摘要：
随着人工智能技术的广泛应用，AI模型逐渐成为软件系统的重要组成。以深度神经网络为代表的AI模型是典型的复杂软件系统，提高此类软件的构建效率和质量是一个难题。针对该问题，我们受经典软件复用方法的启发，提出了“分而治之，集成汇聚”的群智化方法，其核心是基于模块化分解和按需组合的模型复用。报告聚焦深度神经网络模型的高效复用问题，介绍模型复用的研究动机和意义，并分析所面临的挑战，进一步介绍基于群智化方法的模型复用的研究进展。
刘辉
北京理工大学
CCF杰出会员，北京理工大学教授/博导，智能软件与软件工程研究所副所长。长期从事软件开发环境方面的研究工作，在ICSE、ESEC/FSE、ASE、ISSTA、IEEE TSE、ACM TOSEM等发表录用三十余篇学术论文，部分成果被Eclipse等主流IDE采纳集成。获得ICSE 2022杰出论文奖、RE 2021最佳论文奖、IET Premium Award(2016) 、北京市技术发明二等奖。
报告题目：
面向IDE的软件重构
报告摘要：
软件重构是提高软件质量的一个重要手段，也是迭代式软件开发的核心支持技术。为此，几乎所有主流集成开发环境（IDE）为软件重构的实施提供了自动或半自动的工具支持。本报告重点介绍IDE对软件重构的支持以及学术界和工业界对软件重构的不同理解，重点探讨软件重构领域的学术研究如何与IDE相结合，如何将研究成果集成到IDE，从而推动软件重构技术在工业界的进一步发展。
彭云鹏
百度
百度代码团队经理，负责百度代码智能化方向和产品、云IDE平台、代码托管平台、代码静态分析平台、代码搜索服务和效率云平台等业务和团队。在代码智能化、静态分析、开发工具、软件测试、研发数字化等领域申请国内外发明专利59个，已获授权专利29个国家重点研发计划『基于编程现场大数据的软件智能开发方法和环境』技术骨干OpenHarmony技术指导委员会IDE TSG成员。
报告题目：
编程现场现代化探索
报告摘要：
依托AI和云技术的高速发展，编程现场正发生着现代化变革，工具和理念的升级，带来了软件研发生产力的突破。现代化的编程现场是高效、智能、持续演进的，围绕这三个特征，软件工程领域也在在线化、一站式、数字化、智能化四个方向进行着大量的探索和实践，这些探索和实践也创造了软件研发的新范式。
高亮
华为终端有限公司
华为终端开源合规技术专家， 具有丰富的开源社区治理与开发经验，当前担任OpenHarmony社区合规SIG committer，OpenHarmony 安委会-供应链来源安全与可信工具组成员。
报告题目：
OpenHarmony软件开发代码合规工程实践
报告摘要：
随着开源软件的的兴起，开源协作开发，已经成为了软件开发的主流模式之一，然而开源开发的代码在合规要求上和闭源开发的要求有显著的不同，往往在新手提交的开源代码中存在着较大的违反许可证及版权侵权的风险，如何让开源开发者在向开源项目提交代码时，保证自身提交是符合对于许可证及版权等要求，本文主要介绍OpenHarmony社区是如何应对这些挑战以及对于的工程体系建设。
向邦宇
阿里巴巴
高级专家，担任阿里代码平台负责人，代码智能负责人，在代码管理、代码数据处理、代码搜索和编辑器方向有深厚的积累和经验。
报告题目：
LLM在提升阿里内部开发者效率方面的应用
报告摘要：
本次报告将重点介绍LLM在提升阿里内部开发者效率方面的应用。LLM作为一种基于自然语言处理和机器学习的代码智能化技术，具有强大的代码理解和生成能力。在阿里内部，LLM已经成功应用于开发者工具和代码平台，为开发者提供了高效、智能的编码体验。报告将首先介绍LLM的基本原理和工作方式，解释其如何通过学习代码库中的大量代码样例来理解和生成代码。然后，报告将详细阐述LLM在阿里内部的具体应用场景，包括代码自动补全、错误修复、代码重构等。通过这些应用案例的展示，我们可以清晰地看到LLM在提升开发者效率方面的巨大潜力和实际效果。报告还将讨论LLM在代码提效上的优势和挑战，并探讨如何进一步优化和改进该技术。最后，报告将总结LLM在提升阿里内部开发者效率方面的应用并展望未来的发展方向。通过本报告，听众将了解LLM在阿里内部的成功应用案例以及其对提升开发者效率的重要作用，对代码智能化技术的发展趋势和前景有更深入的理解。
孙振俗
新加坡管理大学
新加坡管理大学博士，曾在上海科技大学、香港理工大学担任科研助理。以第一作者的身份在CCF-A会议ICSE、FSE、WWW上发表多篇文章，并获得ICSE2022最佳论文提名，研究兴趣包括构建安全、高效、可靠的代码生成系统。
报告题目：
大模型时代的无效代码补全初探
报告摘要：
大模型在代码补全领域引起了巨大的变革。在产出高质量补全代码的同时，大模型也带来了庞大的推理算力需求，这一问题在代码补全这种高频请求的场景下尤为突出，成为限制其商业化的一大因素。目前的主流代码补全应用在实际场景下有近 70% 的补全并没有被开发者采用，这些无效的补全带来了严重的算力浪费和对开发者生产力的干扰。报告将介绍基于大模型的代码补全系统在无效补全问题上的现状、成因和解决方案。
