王焱团队在OOPSLA 2026发表大语言模型程序推理研究成果 中央财经大学

高校级学科建设教育数字化科研管理通知公告北京

AI摘要

中央财经大学信息学院副教授王焱团队在OOPSLA 2026发表研究成果T-REX,提出基于执行语义学习的新方法,利用程序运行信息提升大语言模型对程序执行逻辑的理解与推理能力。实验表明该方法在多个基准测试中优于现有主流方法,部分任务超过GPT-4o。该研究由师生团队联合完成,并获ACM Artifacts双徽章认证,体现了学校在“AI+软件工程”交叉领域的创新能力和拔尖人才培养成效。

关键词: 大语言模型, 程序执行语义, 软件工程, OOPSLA, 人才培养
【AI摘要】中央财经大学信息学院副教授王焱团队在OOPSLA 2026发表研究成果T-REX,提出基于执行语义学习的新方法,利用程序运行信息提升大语言模型对程序执行逻辑的理解与推理能力。实验表明该方法在多个基准测试中优于现有主流方法,部分任务超过GPT-4o。该研究由师生团队联合完成,并获ACM Artifacts双徽章认证,体现了学校在“AI+软件工程”交叉领域的创新能力和拔尖人才培养成效。
关键词:大语言模型 程序执行语义 软件工程 OOPSLA 人才培养

近日,软件工程与程序设计语言领域国际顶级学术会议OOPSLA 2026在美国加利福尼亚州奥克兰举行。信息学院副教授王焱在会上发表研究成果“T-REX: Teaching Large Language Models to Reason with Verbalized Execution Semantics”并作学术报告。

该研究由信息学院师生团队联合完成,王焱与2021级计算机科学与技术专业本科生丁玲、2023级计算机技术专业硕士研究生孙杰陈为共同第一作者,来自美国得克萨斯大学、中佛罗里达大学、浙江大学和耶鲁大学等高校的学者共同参与本项研究。

T-REX论文首页及ACM Artifacts评估双徽章认证

研究团队针对当前大语言模型对程序运行过程理解不足的问题,提出了一种基于执行语义学习的新方法T-REX。该方法利用程序实际运行过程中产生的信息,引导大语言模型学习程序状态变化和执行逻辑,从而提升模型对程序运行行为的理解与推理能力。实验结果表明,T-REX能够显著提升大语言模型对程序执行过程的预测能力,在多个公开基准测试中取得了优于现有主流方法的效果,并在部分任务中超过GPT-4o等先进模型。该项研究成果有助于提升大模型在程序分析、错误检测和软件调试等任务中的表现,为人工智能赋能软件开发提供了全新的技术路径。

OOPSLA 2026(ACM SIGPLAN Conference on Object-Oriented Programming, Systems, Languages, and Applications)是软件工程与程序设计语言领域国际顶级学术会议之一,也是中国计算机学会(CCF)推荐的A类国际学术会议。会议聚焦软件工程、程序分析、程序设计语言以及人工智能辅助软件开发等前沿研究方向,为全球相关领域学者提供学术交流平台。

本次成果的发表,体现了我校科研团队在“AI+软件工程”前沿交叉领域的创新能力,以及在拔尖创新人才培养方面取得的显著成效。

撰稿:王焱;审稿:章宁、高胜
编辑:王鑫宇;审核:李营

主办单位:中央财经大学宣传部、新闻中心

投稿信箱 : xwzx@cufe.edu.cn

新闻热线:010-62288972 010-62288142

来源:中央财经大学 | 查看原文