讲座题目（1）：面向人工智能基础设施（AI Infra）的系统软件：思考与实践
主讲专家：刘譞哲
讲座时间：3月30日19:00-21:00
讲座地点：腾讯会议：565-398-575或研究院一号楼北532报告厅
主讲人简介：
刘譞哲，北京大学博雅特聘教授，北京大学计算机学院长聘教授，北京大学人工智能研究院双聘教授，国家杰出青年科学基金获得者，国际计算机学会（ACM）杰出科学家。主要研究方向为系统软件，近年来主要研究兴趣是大规模分布式智能计算系统，包括大模型系统、泛在智能体系统、云计算系统等。在在SOSP/ASPLOS, SIGCOMM/NSDI/MobiCom/MobiSys, ICSE/FSE, WWW/IMC/SIGMETRICS等发表论文80 余篇，获国际万维网大会WWW最佳论文奖（Best Paper Award，中国首个）、《Science China Information Science》5年高影响力论文奖（Five-Year High Impact Paper Award）、ICSOC杰出论文奖（Distinguished Paper Award）等10余次国际期刊/会议优秀论文荣誉。曾获国家技术发明一等奖、教育部“青年科学奖”、教育部科技进步一等奖等科技奖励；获CCF-IEEE CS“青年科学家奖”、IEEE TCSC可扩展计算职业中期卓越研究成就奖、IEEE TCSVC新星奖、北京大学“十佳教师”、北京大学“教学卓越奖”等荣誉。主持国家自然科学基金、国家重点研发计划等科研项目10余项；担任IEEE Open Software Services 奖励委员会主席、IEEE Technical Committee on Services Computing（TCSVC）副主席、中国计算机学会服务计算专委会副主任等学术服务；国际期刊IEEE Transactions on Mobile Computing、ACM Transactions on Intelligent System and Technologies、《中国科学·信息科学》等期刊的Associate Editor；国际会议IEEE CLOUD 2024、IEEE ICWS 2023、IEEE EDGE 2020等程序委员会主席和ICSE、WWW、ICDCS等学术会议程序委员会委员等。
主讲摘要：
大模型及其应用推动了人工智能的新一波高潮。随着模型结构日益复杂和应用规模持续增长，人工智能基础设施（AI Infra）存在算力“不够用”、“不好用”和“不管用”的“三不”挑战，计算机软件技术正在面临新一轮变迁和发展机遇。本报告将介绍AI Infra的系统软件面临挑战和机遇，汇报团队在软件定义的AI Infra方面的工作，包括泛在跨域服务无感知编程模型、大规模（万卡级别）集群的训练调度优化系统、大模型推断服务系统等方面的研究进展。
讲座题目（2）：大模型辅助软件开发：我们在哪里？该往何处走？
主讲专家：彭鑫
讲座时间：3月30日19:00-21:00
讲座地点：腾讯会议：565-398-575或研究院一号楼北532报告厅
主讲人简介：
彭鑫，复旦大学计算机科学技术学院副院长、教授，教育部长江学者特聘教授。中国计算机学会（CCF）杰出会员、软件工程专委会副主任、开源发展委员会常务委员，中国汽车工程学会汽车基础软件分会副主任，《Journal of Software: Evolution and Process》联合主编（Co-Editor），《ACM Transactions on Software Engineering and Methodology》、《Empirical Software Engineering》、《Automated Software Engineering》、《软件学报》等期刊编委。2016年获得“NASAC青年软件创新奖”，2023年入选上海市东方英才拔尖项目，2024年获得“中创软件人才奖”。主要研究方向包括软件智能化开发、云原生与智能化运维、泛在计算软件系统、智能网联汽车基础软件等。研究工作多次获得IEEE Transactions on Software Engineering年度最佳论文奖、ICSM最佳论文奖、ACM SIGSOFT杰出论文奖、IEEE TCSE杰出论文奖等奖项。担任2022年与2023年CCF中国软件大会（ChinaSoft）组织委员会主席与程序委员会共同主席，以及ICSE、FSE、ASE、ISSTA、ICSME、SANER等会议程序委员会委员。
主讲摘要：
大模型及相关的模型微调、提示工程、检索增强、多Agent等技术的发展助推软件开发进入智能化时代。当前，代码推荐、代码生成、代码解释、代码缺陷检测与修复等局部化的智能辅助支持已经在软件开发实践中得到了广泛应用，实现了一定程度上软件开发效率提升。然而，大模型技术的发展难以触发软件智能化开发的质变，因为其中涉及软件开发的根本性困难，即概念级别上的分析和设计。为此，我们应当从软件开发自身的规律出发，从多个方面探索人机协作的智能化开发模式。针对软件应用开发，我们需要探索如何将演进式设计、特定领域语言（DSL）以及有效的代码审视与反馈与大模型的代码生成能力相结合。针对复杂软件维护，我们需要探索如何构建与代码同步演化的代码数字孪生（代码及其高层知识），通过大模型强大的知识抽取、关联与利用能力实现软件开发知识的有效积累。
