更多

武汉大学学报（理学版）

武汉大学学报（理学版） 武汉大学学报（理学版）

主编：邓子新

影响因子：1.821(CNKI)

ISSN:1671-8836

CN:42-1674/N

主办单位：武汉大学

出版周期：双月刊

电话：027-68756952

邮箱：whdz@whu.edu.cn

地址：湖北省武汉市武昌区武汉大学文理学部本科生院楼北楼504

  • 当期目录
  • 优先出版
  • 过刊浏览
  • 视频速递
  • 理学人物
更多
Volume 72 期 4，2026 2026年第72卷第4期

  • 面向工业软件的智能Agent的建模、协同与开发新方法

    康克, 尹良泽, 董威

    DOI：10.14188/j.1671-8836.2025.0217
    摘要：随着软件系统规模与复杂度的增长，传统程序验证在效率与可靠性方面面临严峻挑战。形式化验证虽能提供数学级别的正确性保障，但在处理大规模程序时常遭遇状态空间爆炸等技术瓶颈。为缓解上述限制，提出了两种基于大语言模型的高效程序验证方法：数据规模优化与反例生成。数据规模优化方法通过大语言模型分析程序语义逻辑与数据规模的关联，在保持程序语义逻辑不变的前提下压缩验证所需数据规模，并结合数据流切片确保大语言模型优化结果的可靠性；反例生成方法则通过大语言模型自动构造潜在反例，并通过测试验证其有效性。在此基础上，进一步构建了一个融合大语言模型与传统验证工具的并行程序验证框架，通过多线程机制同时执行数据规模优化、反例生成与传统验证工具流程，并优先采纳最先完成流程的验证结果，实现效率与可靠性的平衡。在SV-COMP基准集上与传统工具进行的对比实验结果表明，本文方法与框架均显著提升了验证任务覆盖能力与资源利用效率，同时保持较高验证准确率，为智能化程序验证提供了有效解决方案。  
    关键词：程序验证;形式化方法;大语言模型   
    35
    |
    70
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 157627293 false
    更新时间：2026-09-03

    肖宏彬, 刘旺龙, 谭舒孺, 王文豪, 李智, 汤飞

    DOI：10.14188/j.1671-8836.2026.0011
    摘要：智能 Agent 作为具有自主性、适应性和社会性的软件范式，在工业自动化、智能制造等领域展现出广阔的应用前景，但传统需求分析方法难以有效表达其不确定性行为、环境感知和自主决策等特性。针对这一问题，本文提出了一种基于问题框架的智能 Agent 需求建模方法（PF-IARM）。该方法以 Jackson 问题框架为理论基础，构建了包含智能 Agent 域、环境域、知识域和目标域的扩展元模型，通过对原始元模型的结构引入多模态类型、时序特征和概率分布等现象属性，增强了对 Agent 不确定性、时序性和学习能力的表达能力。同时，开发了支持 PF-IARM 方法的可视化需求建模平台，为元模型元素定义了直观的图形符号和表示规则，支持方法的工程化应用。在此基础上，提炼了感知-决策-执行、知识获取与学习、目标导向行为和多 Agent 协作四种核心问题模式，构建了面向工业场景的 Agent 需求模式库，支持需求的快速识别与复用。通过工业场景案例研究，从模型结构和实证研究多维度对方法进行了评估。结果表明 PF-IARM 方法在需求表达的精确性和完整性方面具有优势，能够有效缩短从需求到设计的转换周期，为智能 Agent 系统提供了系统化的需求建模支持。  
    关键词：智能Agent;需求工程;问题框架;元模型;需求建模   
    80
    |
    159
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 152723304 false
    更新时间：2026-09-03

    廖雨桐, 李熳, 谢炜业, 那俊, 张斌

    DOI：10.14188/j.1671-8836.2025.0215
    摘要：针对当前基于大语言模型（Large Language Model，LLM）的自然语言转结构化查询语句（Text-to-Structured Query Language，Text-to-SQL）方法，存在隐蔽语义错误难以闭环验证、执行准确率与执行效率难以兼顾的核心痛点，提出一种基于反向验证增强的SQL优化生成方法。该方法通过反向验证增强机制，以正向查询结果为已知条件构建双向语义验证闭环，能够有效识别符合SQL语法但语义偏离的隐蔽错误；同时设计查询范式演进机制，通过相似查询逻辑结构树的复用降低推理开销，优化验证流程的执行效率。实验结果表明，在Spider-test和BIRD Mini-dev数据集上，本文方法分别将各基线模型执行准确率最高提升5.92个百分点和8.60个百分点；其核心的查询范式演进机制，在100%命中率场景下可减少57%的反向验证耗时。基于该方法构建的股票信息查询智能Agent与智能选股平台，验证了方法的落地实用性与场景适配能力。  
    关键词：大语言模型;代码生成;智能系统;文本转SQL;反向验证;查询范式演进   
    62
    |
    45
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 161964988 false
    更新时间：2026-09-03

    彭商濂, 刘郝霞, 林嘉君, 冯丽

    DOI：10.14188/j.1671-8836.2025.0211
    摘要：在动态工业环境中，Agent决策过程需持续应对数据流变化与分布漂移。现有在线优化方法在连续时序决策场景中往往仅关注即时奖励最大化，缺乏对相邻时间步策略输出时间相关性的显式建模，易导致策略输出在相邻时间步之间产生高频波动，从而引发性能不稳定。针对该问题，本文提出一种基于时序一致性约束的Agent实时决策优化算法（Temporal Consistency Constrained Agent， TCC-Agent）。该方法在策略梯度优化框架中引入时序一致性约束项，通过约束相邻时间步动作输出差异及策略分布差异，将时间维度平滑性融入联合损失函数，实现对策略更新过程的稳定调控。方法主要由策略生成网络与一致性约束模块构成，约束项直接参与损失计算，无需引入额外可学习参数。在典型时序决策环境与工业负载仿真环境中的实验结果表明，与对比算法相比，所提方法在策略稳定性指标与损失波动控制方面均取得较大改善，表现为损失曲线方差降低且动作变化率下降，并在非平稳环境下保持更稳定的收敛趋势。结果表明，引入时序一致性约束能够有效抑制策略高频振荡，提升决策过程的鲁棒性与稳定性。  
    关键词：Agent;时序一致性约束;实时决策优化;在线学习;工业智能   
    62
    |
    146
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 152976447 false
    更新时间：2026-09-03
查看更多

快捷入口

  • 作者投稿
  • 专家审稿
  • 编辑办公

常设专栏

AI+

AI+

生态环境

生态环境

生命健康

生命健康

绿色储能

绿色储能

先进材料

先进材料

精选专辑

更多
三峡库区高水平保护

三峡库区高水平保护

YOLO及其应用

YOLO及其应用

大语言模型

大语言模型

杂交水稻

杂交水稻

机器学习

机器学习

查看更多
批量引用
0