基于分治的可靠大语言模型应用

报告摘要: 当前，大语言模型正以各种形式重塑包括形式化方法在内的各种技术领域，为提高软件开发效率、保障软件质量提供了新思路、新方案。然而，大语言模型不是“银弹”，其存在诸如幻觉、符号限制、缺乏领域知识等问题，让软件开发者在很多情况下不能通过简单的问答获得满意的结果。因此，如何在实践中可靠地使用大语言模型，克服上述诸多问题，成为一项亟需解决的难题。该报告将探讨大语言模型应用的一些想法，提出对“可靠使用大语言模型”的两个思路 —— 通过分治算法缓解大语言模型幻觉及符号限制、通过可靠的结果反馈增强大语言模型领域知识 —— 以及这两个思路在网络协议安全分析中的应用。

报告人简介: 时清凯，南京大学计算机学院副教授，博士生导师，国家级青年人才。2020年于香港科技大学获得博士学位，曾任源伞科技联合创始人、蚂蚁集团技术专家、美国普渡大学博士后研究员，目前主要从事编译技术及基于编译的软件安全技术研究，其研究成果广泛发表于诸如PLDI、OOPSLA、ICSE、FSE、SP、CCS等程序设计语言、软件工程、网络安全领域的CCF A类会议或期刊，其中一作论文10篇，并受邀担任相关会议审稿人，曾获ACM SIGPLAN或SIGSOFT杰出论文奖4次、Google论文奖、Hong Kong PhD Fellowship，曾三次参加全国软件大会原型竞赛均获一等奖。