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、院长助理李钦在人工智能平行论坛上，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。报告聚焦大语言模型驱动的软件工程及其质量保障问题，探讨神经模型与符号模型协同在提升智能软件系统可信性方面的研究方向。

李钦教授简介：李钦（Qin Li），华东师范大学软件工程学院教授、院长助理、博士生导师。其研究兴趣包括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下一代软件工程方法。李钦教授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，并曾担任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

李钦教授的报告围绕大语言模型（LLM）及其智能体在软件工程领域的应用与质量保障问题展开。随着大语言模型技术的发展，利用大语言模型及其智能体生成代码、文档和其他软件制品，正在成为软件开发的重要范式。然而，生成式人工智能在提高软件开发效率的同时，也带来了系统安全性、可靠性和可信性方面的新挑战。

报告分析了当前大语言模型在软件工程应用中的主要局限，包括模型幻觉、逻辑推理能力不足，以及数据和模型的隐私、安全与公平性等问题。这些因素可能影响人工智能生成软件制品的正确性与可信程度，也使得传统的软件质量保障方法面临新的要求。

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。如何在利用大语言模型生成能力的同时，确保软件系统满足可靠性和正确性要求，是推动人工智能技术在软件工程中广泛应用需要解决的系统性问题。

针对上述挑战，李钦教授重点探讨了神经模型与符号模型协同的研究思路。神经模型擅长从大量数据中学习模式并生成内容，符号模型则能够利用明确的逻辑规则、知识表示和推理机制处理相关问题。通过探索两类模型之间的协同关系，研究旨在为智能软件系统的质量保障提供新的技术路径。

报告还介绍了李钦教授研究团队在相关领域的近期研究进展，并围绕人工智能驱动的软件工程如何从“可用”进一步发展为“可信”进行了讨论。

报告的主要观点

报告指出，大语言模型为软件工程带来了新的开发范式，但软件制品能够被自动生成，并不意味着其正确性、安全性和可靠性能够自动得到保证。模型幻觉、逻辑推理局限及数据安全风险，仍是人工智能软件工程需要重点应对的问题。

神经模型与符号模型协同为解决这些问题提供了值得探索的研究方向。将数据驱动的学习与生成能力，同逻辑推理、形式化方法及正确性验证相结合，有望改善智能软件系统的质量保障能力，推动人工智能生成结果向更加可靠和可验证的方向发展。

报告强调，人工智能驱动的软件工程不仅需要关注软件开发效率和功能实现，还应重视数据质量、模型决策验证、隐私保护、安全性与公平性等关键因素。推动智能软件工程从“可用”迈向“可信”，是实现人工智能技术更广泛、更可靠应用的重要方向。

（文 刘宇）