团队现有教授2名（彭鑫、赵文耘）、副教授4名（陈碧欢、吴毅坚、沈立炜、沙朝锋）、青年副研究员2名（董震、娄一翎）、讲师1名（李弋），负责人是彭鑫教授。

PART 01

团队研究工作聚焦国家战略性需求和产业共性问题，主要围绕智能化时代的软件工程与系统软件技术展开，具体包括软件智能化开发与运维方法与技术（AI4SE）以及面向智能化系统的工程化方法与技术（SE4AI）两个方面。前者关注于将大模型等智能化技术应用于软件开发、测试与运维方法中，后者关注于智能汽车、自主无人系统等新型智能化系统中的基础软件支撑及开发测试方法。

团队研究工作得到科技部重点研发计划项目、自然科学基金重点/面上项目支持，研究成果在多家重点企业和重点行业应用，获华为优秀技术成果奖。在ICSE、FSE、ASE、ISSTA、 CCS、WWW、TOSEM、TSE以及中国科学、软件学报等国内外高水平会议与期刊上发表论文100余篇，10余次获得高水平会议与期刊最佳论文奖。根据计算机领域公认的国际专业排名CSRankings统计，复旦大学软件工程领域近五年（2020-2024）排名全球4、中国第3。

PART 02

团队主编的教材《现代软件工程基础》入选教育部软件工程教指委推荐教材，获2022年教育部-华为“智能基座”优秀教材奖、优秀课件奖。彭鑫教授入选2023年教育部-华为“智能基座”优秀教师，同时担任IEEE软件工程知识体系（SWEBOK）3.0和4.0版编委会成员。赵文耘教授担任教育部软件工程教指委委员。

团队承办IEEE全球化软件工程国际会议(ICGSE 2014)、IEEE软件维护与演化国际会议(ICSME 2017)、2022年与2023年CCF中国软件大会等国内外重要学术会议。彭鑫教授担任中国计算机学会软件工程专委会副主任、中国汽车工程学会基础软件分会副主任、SCI期刊JSEP联合主编，以及TOSEM、EMSE、软件学报等多个期刊编委。团队成员常年担任ICSE、FSE、ASE、ISSTA等软件工程顶级国际会议程序委员。

PART 03

团队围绕智能化软件工程与系统开展研究，具体包括9个研究方向及相应的研究组，即：人机物融合系统软件、机器人软件工程、人工智能系统工程、智能汽车基础软件、程序分析与测试、软件分析与挖掘、软件供应链风险治理、软件智能化开发、云原生与智能化运维。目前，团队已围绕相关研究形成良好的产学研合作关系，并瞄准人机物融合泛在计算、智能汽车基础软件、基于大模型的智能化开发与运维、开源软件生态治理等国家信息产业发展的重大战略需求进行布局。

着眼于人机物三元融合的万物智能互联时代，团队针对支撑各类智能化场景（船岸协同、无人系统、智慧生活等）的人机物融合系统软件开展研究。设计云边端协同的泛在系统软件架构，对异质异构人机物资源进行软件定义并实现资源接入与统一管理，定义并维护与物理环境相对应的数字孪生，在此基础上构建基于边缘云原生技术的人机物融合应用开发、部署与执行环境，建立面向智能场景的应用按需构造、灵活部署、快速更新等关键使能技术。

面向现实场景中具备高可靠性要求的长程任务，将大语言模型与程序合成技术相结合，研究机器人程序自主生成方法，研究机器人任务执行过程中自主监控及问题检测方法、机器人程序与运行平台相结合的软件自适应方法，研究面向动态环境的机器人程序自主演化方法。

针对人工智能系统复杂异构的软硬件技术栈，团队在开发态围绕模型轻量化设计、训练性能优化、以及智能系统可信保障开展研究工作，旨在实现人工智能系统的快速构建与质量保障，团队在部署态围绕模型转换与压缩、推理加速优化、以及人工智能系统软件栈迁移适配开展研究工作，旨在实现人工智能系统在边端云异构设备上的快速部署与高效运行。

团队针对智能网联汽车中央集中式计算架构的发展趋势，围绕包含操作系统、中间件及相关软件工具在内的智能汽车基础软件开展研究。在软件架构方面，研究团队围绕通信中间件、面向服务的架构设计及系统支撑等方面开展研究；在软件测评方面，研究团队针对基础软件及智能驾驶等应用层软件的测试评价体系及支撑平台开展研究。

在软件定义一切的时代，质量是软件成功的关键因素之一。面向软件质量保障工具的可靠性和可用性，团队聚焦静态程序分析和软件测试两个领域。我们基于抽象解释理论、内存模型、程序逻辑、程序语言理论和计算机系统等技术，设计和实现了一种多阶段的模块化分析平台；开放的架构助力分析能力的扩展，多阶段闭环迭代机制提升分析精度。我们探索大语言模型和传统测试方法的有机结合，面向机器人系统、无人机系统、信息物理系统（CPS）、网络通信协议、微服务系统和移动应用等领域研究高效的测试技术。团队维持静态分析和动态测试间的适当张力，探索构建演化软件质量的一种保障体系。

面向开源软件和企业软件，采用程序分析、演化分析、克隆检测与管理、依赖分析、缺陷检测与溯源等技术，构建软件开发追溯体系，建立开源软件和企业软件研发过程的数字化基座，实现代码溯源、开发贡献评估、代码质量跟踪、研发热点和态势研判、开发知识挖掘等多种软件分析与挖掘能力。

针对日益严峻的软件供应链可信问题，团队围绕软件供应链的安全风险、法律风险、以及维护风险开展研究工作，通过程序分析、大模型等技术实现高质量的软件供应链知识汇聚与高精度的风险分析与治理，从而保障软件供应链可信，并面向操作系统、大模型、智能汽车等关键行业开展应用研究。

团队围绕软件开发和维护，以大语言模型等智能化方法为基础，提出一系列面向企业级软件开发和维护的智能化方法和工具，同时关注代码大模型构建流程所涉及的数据收集/清洗/合成、模型设计、模型训练等环节。研究成果包括基于大模型的仓库级别代码生成工具、基于大模型的单元测试生成工具、基于大模型的代码迁移和翻译工具、智能化代码审查和漏洞检查工具等等。

团队围绕云原生与智能化运维技术开展了一系列研究工作，所发布的开源微服务基准系统TrainTicket已被上百家国内外高校和研究机构用于相关研究。团队与多家企业开展智能化运维相关技术研究，在微服务系统架构评估、调用链异常检测、基于调用链的根因定位、基于动态图模型的告警事件聚合等方面取得突破性进展，当前正在围绕基于大模型与知识图谱的智能化运维技术开展研究。在此基础上，团队针对软件定义汽车（SDV）中的服务化和容器化以及云原生汽车技术开展研究，致力于为业界提供一个可供参考的SDV实现框架。