报告时间：2026年1月8日14:00
报告地点：计算机学院A403会议室
报告一题目：技术债务管理—迈向自动化
报告人：Paris Avgeriou
报告人单位：荷兰格罗宁根大学
报告人简介：Paris Avgeriou现任荷兰格罗宁根大学（University of Groningen）软件工程讲座教授，自2006年9月起领导该校软件工程研究组。在加入格罗宁根大学之前，他曾担任欧洲信息学与数学研究联盟（European Research Consortium for Informatics and Mathematics, ERCIM）的博士后研究员，并在德国弗劳恩霍夫研究所（Fraunhofer Institute）及卢森堡大学从事科研工作。他现任Journal of Systems and Software期刊主编（Editor-in-Chief），并担任IEEE Software期刊副主编（Associate Editor）。同时，他也担任荷兰国家软件工程学会（VERSEN）副主席，荷兰研究生院IPA理事会理事。Paris Avgeriou教授曾共同组织多项国际学术会议，包括ECSA、ICSA、ICSME以及Tech Debt会议，研究成果获得了ICSE、ICSA等会议的最佳论文奖。Paris Avgeriou教授的研究兴趣主要集中于软件体系结构领域，重点关注软件体系结构建模、软件体系结构知识、软件演化分析、软件体系结构分析以及技术债务等方向。他积极倡导基于实证的软件工程研究范式，长期致力于缩小学术研究与工业实践之间的鸿沟，推动软件工程研究成果在实际工程中的落地与应用。
报告摘要：软件技术债务被工业界认为是软件项目的“隐形杀手”。尽管技术债务管理的研究与实践取得了显著进展，但新的挑战问题仍需要学术界和工业界共同努力，以提供自动化支持。本报告将介绍讲者在该领域的一些最新研究成果，包括软件体系结构技术债务的静态代码分析以及利用机器学习方法挖掘自承认的技术债务，探讨工具如何帮助实现这些方法的自动化，并展望未来技术债务领域的工作方向。
邀请人：梁鹏、李瑞引、金芝
报告二题目：真相蕴藏在代码中，但代码的健康状况却未必如此
报告人：Daniel Feitosa
报告人单位：荷兰格罗宁根大学
报告人简介：Daniel Feitosa 博士现任荷兰格罗宁根大学（University of Groningen）理学院与工程学院助理教授。他的研究方向涵盖软件工程领域的多个重要主题，包括软件技术债务管理、软件体系结构、能源效率以及发布工程等，曾荣获ICSE 2025和CAIN 2023的杰出论文奖（Distinguished Paper Award）。Daniel博士长期担任国际会议程序委员会成员并参与组织多项学术活动，同时担任Journal of Systems and Software期刊的宣传编辑（Publicity Editor），并组织年度国际软件体系结构博士生暑期学校（International PhD School in Software Architecture）。其研究工作始终致力于弥合严谨学术理论与工业实践之间的鸿沟，推动二者的协同发展，服务于软件工程领域的前沿进展，也助力新一代软件工程人才的培养。
报告摘要：著名软件工程师Bob曾提出著名的论断：代码是唯一的真相来源。尽管代码定义了功能，但代码的健康状况却常常隐藏在源代码文件之外的信息之中。本报告将从社会技术视角探讨软件健康状况，深度剖析代码的上下文环境。通过回顾开源容器编排系统Kubernetes的十年发展历程，本报告将展示其邮件列表和拉取请求标签如何揭示技术债务的“实际”状况。本报告也将介绍图学习如何表示代码与贡献者之间的隐藏关系，并阐述这一领域未来的技术挑战和研究方向。
邀请人：梁鹏、李瑞引、金芝
报告三题目：From Benchmarks to Reality: Knowledge Graph–Enhanced AI Agents for Automated Issue Resolution
报告人：叶荷
报告人单位：伦敦大学学院
报告人简介：叶荷是伦敦大学学院计算机系助理教授。她曾在卡内基梅隆大学担任博士后研究员，并于瑞典皇家理工学院获得博士学位。她的研究方向聚焦于新一代代码智能体系统，重点包括代码库级上下文检索、自动化 issue 解决以及代码智能体的长期记忆与推理能力构建。她致力于将大语言模型、程序分析与知识图谱技术结合，推动软件工程自动化走向真实工业场景。在学术研究之外，她还是初创公司 EuniAI 的联合创始人，致力于将前沿研究成果转化为可落地的工程工具，帮助开发者高效应对实际软件开发与维护中的复杂问题。
报告摘要：AI coding agents 在 SWE-bench 等基准测试上已经取得了显著进展，但在真实软件工程场景中仍面临关键挑战，包括 issue 的可靠复现、大规模代码库中的精确上下文检索，以及大语言模型调用带来的高成本问题。
在本次报告中，我将介绍我们最新提出的代码智能体系统 Prometheus。Prometheus 是一个由知识图谱驱动的多智能体系统，面向真实 GitHub issue 的自动化解决。该系统将整个代码仓库转化为统一的代码知识图谱，并存储于 Neo4j 中，从而支持可扩展且结构化的跨文件、跨语言推理与上下文检索。这一设计使大语言模型能够在复杂代码库中获取精确且高质量的上下文，从而生成更准确、更高效的修复方案。
Prometheus 在多个权威基准上取得了稳健表现，在 SWE-bench Verified 排名前 10，并在 SWE-PolyBench 上排名第 1，覆盖七种主流编程语言。我将通过 Prometheus 的系统设计与实验结果，展示知识图谱与大语言模型结合如何推动自动化 issue 解决超越当前以 benchmark 为中心的研究范式。
邀请人：辛奇、金芝
