2026年10月30日，第三届中欧科学家论坛在德国法兰克福举行。华东师范大学软件工程学院教授、院长助理李钦出席人工智能平行论坛，并以《神经符号协同：面向智能软件工程的质量保障》（Neuro-Symbolic Collaboration for Quality Assurance in Intelligent Software Engineering）为题作特邀报告。报告围绕大语言模型驱动的软件开发、智能系统可信性及神经符号协同技术展开，探讨人工智能软件工程从“可用”迈向“可信”的关键挑战与研究方向。

李钦教授简介：李钦，华东师范大学软件工程学院教授、院长助理、博士生导师。其研究领域涉及安全可信智能系统的建模与构建、基于形式化方法的大模型智能体可信评估与优化，以及神经符号协同的软件工程方法。担任中国工业软件协同创新平台副秘书长、上海人工智能学会可信智能系统专委会秘书长、中国计算机学会形式化方法专委会执行委员，曾担任TASE 2020及ICFEM 2026等国际可信软件会议的程序委员会主席。

报告的主要内容

李钦教授的报告聚焦大语言模型及其智能体在软件工程中的应用与质量保障问题。随着大语言模型技术不断发展，利用大语言模型及其智能体生成软件代码、设计文档和其他软件制品，正逐步成为重要的软件开发范式。然而，如何保证人工智能生成结果的安全性、正确性与可靠性，仍是智能软件工程面临的重要挑战。

报告分析了当前大语言模型在实际软件开发中存在的多方面局限，包括模型幻觉、逻辑推理能力不足，以及数据和模型在隐私、安全、公平性方面的潜在风险。这些问题可能影响生成软件制品的准确性与可验证性，也对人工智能辅助开发工具在复杂工程环境中的应用提出了更高要求。

在软件质量保障方面，报告进一步讨论了数据质量控制、模型决策正确性验证，以及数据驱动的软件制品与传统逻辑驱动软件制品之间的集成问题。传统软件工程通常依赖明确的逻辑规则、形式化规范与验证方法，而大语言模型更多依赖数据学习与概率生成机制。如何协调两类技术体系，成为推动人工智能软件工程发展的重要研究课题。

针对这些挑战，李钦教授介绍了神经模型与符号模型协同的研究方向，探索如何结合数据驱动方法与基于逻辑规则的推理和验证机制，提高智能软件系统的可信程度。报告还介绍了其研究团队在相关方向上的近期研究进展，为人工智能辅助软件开发的质量保障提供了研究思路。

报告的主要观点

报告强调，大语言模型能够提升软件制品生成效率，但生成能力的提高并不意味着软件质量和系统可信性能够自动得到保障。模型幻觉、逻辑推理局限以及数据安全与隐私风险，仍需要通过系统性的质量保障机制加以应对。

神经模型与符号模型的协同为提升智能软件工程的可信性提供了研究路径。通过探索数据驱动方法与传统逻辑推理、形式化验证技术之间的协作，可以为软件制品的正确性验证、智能系统的可靠性评估以及复杂软件工程过程的质量控制提供新的技术思路。

报告提出，推动人工智能软件工程的发展，不仅需要关注生成式模型的实际应用能力，还应重视数据质量、模型决策验证、安全与公平性等基础问题。人工智能驱动的软件工程应从满足基本功能需求的“可用”阶段，进一步向具备可靠性、正确性和可验证性的“可信”阶段发展。

（文 刘宇）