一、报告内容概述

2026年6月10日下午，二十周年校庆“晴川·论道”学术系列活动第十五场在教4-113举行。计算机学院特邀武汉大学计算机学院副院长玄跻峰教授作题为“基于大模型输出整形的代码质量保障”的学术报告。玄教授是软件工程领域知名专家，担任CCF杰出会员、软件工程专委会常务委员等职务，在软件测试与调试方向成果丰硕。

报告聚焦大模型输出强多样性、强非确定性带来的代码质量挑战，创新引入“整形外科手术式”修复思想，提出基于大模型输出整形的质量保障体系。玄教授结合团队在版本冲突智能合并、安卓单元测试生成、编译器缺陷检测、C到Rust安全代码转换等前沿实践，展示了如何消除大模型输出非确定性、提升软件质量保障效果。

二、核心观点与学术阐释

1.大模型输出整形与代码质量保障的理论基础

玄教授首先梳理了程序修复领域的发展脉络：从2008年程序修复基础研究，到2014年正式提出的“整形外科手术式修复假设”（The Plastic Surgery Hypothesis）——即代码库中的变更往往可以由代码库中已存在的代码片段拼接而成，这些片段能够被高效发现和复用。面对大模型时代的新挑战，玄教授指出，大模型输出具有“强智能性、强多样性、强不确定性”三大特征。如何去除结果的非确定性，构建输出结果的代码质量保障体系，成为核心问题。他提出了三种利用大模型输出的范式：作为二次输入（反馈、重训练、微调）、引入约束构造不可行解判定、作为输入源头演化新解。在此基础上，他提出对大模型输出实施“整形外科手术式”利用，即从已有代码或输出片段中提取可用部分，通过拼接、优化、验证等步骤，生成可靠的质量保障方案。

2.多项创新实践：从版本冲突到安全代码转换

玄教授系统介绍了其团队在智能软件工程领域的多项代表性成果：

（1）版本冲突智能合并技术 MergeBot：针对 Git 合并冲突消解难题，通过多路径 GLR 文法构建程序实体树，结合自顶向下与自底向上的模糊匹配算法，实现语义感知的合并。该技术有效解决了不同开发者意图的冲突问题，提升了版本管理效率。

（2）安卓单元测试生成技术 KotSuite：面向 Kotlin 语言及 Android 框架特性（扩展函数、协程、Null 安全等），采用 NSGA-II 遗传算法和测试用例重用算法，两阶段生成单元测试用例。对比实验表明，该方法显著提高了编译通过率和断言正确率，克服了传统工具不支持 Kotlin 特性的局限。

（3）基于语法的编译器测试生成：通过构造语法感知的测试输入，成功触发 Clang 语义分析阶段的恢复机制缺陷，并向 LLVM 和 GCC 社区提交 58 个缺陷报告。同时，针对 Gazebo 仿真器，利用强化学习选择测试命令构造算子，半年内发现 25 个崩溃类缺陷，其中 19 个已被修复或确认。

（4）C 到 Rust 安全代码转换工具 CstarX：针对传统规则转换工具（如 c2rust）生成大量 unsafe 代码、引入语义错误等问题，开发了基于启发式智能体调度的两级模型转换系统。通过轻量级模型高并发探索搜索空间、重量级模型处理复杂逻辑推理，在多个基准项目上实现了 96.87% 的编译通过率和 70.88% 的功能正确性，显著减少了不安全代码行数。该工具已在 VS Code 平台开源。

3.互动交流与学术思考

在互动环节，师生围绕大模型输出整形的可扩展性、Rust 自动转换工具的泛化能力、智能软件工程的发展底线等话题踊跃提问。玄教授结合自身二十余年科研经验指出：智能软件工程不应仅仅追求“不给程序员添麻烦”这一底线，而应主动探索更深层次的人机协作模式。他反思了评估的昂贵代价、场景建模中模型与现实的差异等根本性问题，鼓励同学们关注复杂性的实践来源，勇于在技术变革中抓住机遇。玄教授还以母校情怀寄语晴川学子，希望大家夯实专业基础，保持对软件质量保障事业的热情与责任感。

三、总结与启示

本次讲座从理论假设到实践工具，完整展示了“大模型输出整形”驱动代码质量保障的研究路径，带来三点启示：

（1）理论创新与技术落地并重：以明确假设驱动研究，并通过开源工具实现转化。

（2）跨语言、跨生态质量保障是方向：需适应多语言、多框架生态，大模型输出整形提供了统一方法论。

（3）评估与建模是关键瓶颈：应同步构建科学、经济的评估体系，避免“看起来聪明、用起来困难”。

本次讲座为师生提供了与软件工程前沿对话的高水平平台，助力学科建设与人才培养。科研处与计算机学院将持续邀请知名专家，推动学校科研事业高质量发展。