程序设计语言论坛将于CNCC第三天（10月24日）下午4-6点，在北京新世纪日航饭店2层山东厅举行。本论坛召集国内程序设计语言研究的年轻学者介绍最新的研究课题和成果，讨论如何推进国内程序语言的研究和教育，从本质上解决软件中的卡脖子问题。
世界离不开软件，而软件的开发离不开程序设计语言。“软件定义一切”本质上是可编程思想扩张到整个社会和物理世界，是一种以软件实现分层抽象的方式来驾驭复杂性的方法论。随着人机物融合的发展，计算的泛在化成为必然，程序设计语言向下需要对物理世界进行抽象并提供处理物理世界的接口电子技术与软件工程期刊怎么样，向上需要能够处理不同场景的多范式的应用编程。泛在计算中不断涌现出的新的计算模式、新的计算平台和新的应用问题给程序设计语言的定义和实现带来了新的挑战。
本论坛召集国内程序设计语言研究的顶级年轻学者介绍最新的研究课题和成果电子技术与软件工程期刊怎么样，讨论如何推进国内程序语言的研究和教育，缩短与国际上先进国家的差距，从本质上解决软件中的卡脖子问题。
论坛主席
胡振江
北京大学讲席教授、北京大学信息科学技术学院副院长、计算机科学技术系主任。1996年在日本东京大学信息工学专业获博士学位。曾担任东京大学情报理工学研究科教授，日本国立信息学研究所教授/系主任, 北京大学长江讲座教授。长期从事程序设计语言和软件科学与工程的研究，在程序语言设计、结构化函数式程序设计、程序的自动综合和优化、并行程序设计、双向变换语言的设计和实现、以及软件的演化和维护等方面做出了一系列开创性工作，曾获全日本最佳博士论文奖和日本软件科学会基础研究成就奖、日本工学会会士、欧洲科学院院士，IEEE Fellow、ACM杰出科学家。
冯新宇
南京大学教授、华为2012编程语言实验室主任。2007年于耶鲁大学获博士学位，先后担任芝加哥丰田理工学院（TTIC）研究助理教授、中国科大教授和南京大学教授。主要研究方向为程序设计语言理论和形式化程序验证。提出并发程序模块化精化验证理论，并将其应用于细粒度并发算法、抢占式并发操作系统内核、以及编译器等核心系统软件的正确性和可靠性验证。在POPL、PLDI、LICS、CAV、ACM TOPLAS等国际会议和期刊上发表论文多篇，其中编译器验证工作获PLDI’19优秀论文奖。担任APLAS’15、APLAS’17和SETTA’17的程序委员会主席/大会主席，多次担任POPL、PLDI、ESOP等国际会议程序委员会委员。
讲者简介
陈立前
报告一：数值程序分析、验证与修复
报告人简介：国防科技大学计算机学院副教授，2010年于国防科技大学获工学博士学位。主要从事程序分析与验证、抽象解释相关研究。在ACM/IEEE Transactions、POPL、FSE等期刊会议上录用发表论文多篇，出版教材译著3部。研究成果获省部级科技进步一等奖1项、二等奖1项。部分成果已在航天、国防等领域重大工程中应用。
报告摘要：计算机程序中的许多性质和常见错误（如除零错、数组越界、算术溢出、计算精度缺陷等），与程序中数值型变量及其上的数值运算密切相关。针对数值代码开展自动分析，检测数值相关错误，验证相关性质，修复相关缺陷，对于提高计算机软件（尤其是数值计算密集型安全攸关软件）的可信性具有重要意义。本报告将围绕程序中数值相关性质与错误，介绍基于抽象解释的数值程序分析与验证、基于数值近似的数值程序修复等方面的进展。
符鸿飞
报告二：概率程序的形式化方法理论
报告人简介：上海交通大学讲师，毕业于德国亚琛工业大学(RWTH Aachen)，主攻形式化方法，在无穷状态系统、概率系统、一般命令式程序、概率程序等方面作出基础性理论贡献。先后在国际知名学术会议和期刊上发表二十余篇学术论文，成果涵盖可判定性、计算复杂性、算法以及数学理论等形式化方法各个基础理论层面。其中十余篇论文发表在POPL、PLDI、OOPSLA、CAV、ICALP(Track B)、TOPLAS、IandC等国际著名学术会议及期刊上。获2013年度国际学术会议HSCC最佳学生论文奖。指导学生获2019年度IEEE最佳学生论文奖(Lance Stafford Larson Prize)
报告摘要：概率程序语言作为用于描述和实现系统随机性的编程语言，在带有不确定性的场合中具有潜在的应用价值。在一些要求苛刻的场合中，概率程序的关键性质必须得到保证，而形式化方法藉由其数学上的严谨性，能够严格保障关键性质的正确性。本次演讲将围绕概率程序的终止性、代价分析、灵敏性三个关键性质，阐述其形式化验证背后的数学理论和自动化验证算法。
贺飞
报告三：演化程序的终止性证明
报告人简介：清华大学副教授。2008年毕业于清华大学计算机系，获工学博士学位。自2008年起于清华大学软件学院任教。主要研究方向为形式化验证理论、方法及应用。在组合系统验证、演化系统验证、可满足性判定理论、程序验证理论等方面取得成果。主持开发了模型检测工具Beagle，软件验证工具Ceagle等工具，并成功的将上述工具应用于航空、航天、高铁等国家重大安全领域。在包括POPL, CAV, PLDI, OOPSLA, ICSE, FSE, ASE, TOSEM, TSE, TC等在内的国际重要会议和期刊上发表论文60余篇。曾担任CONCUR, FMCAD, APLAS, ICECCS, SETTA等重要国际学术会议的程序委员会委员。
报告摘要：终止性是程序完全正确性的基本要求。终止性证明是程序验证最硬核的问题之一。目前已有许多关于程序终止性的研究，然而所有这些研究都只面向单个程序版本。本工作主要考察演化场景下程序的终止性证明，给出了首个针对该问题的解决方案。提出的方法能够广泛适应程序的各种演变，实现终止性证据的有效复用。针对真实演化程序的实验验证了该方法的有效性。
梁红瑾
报告四：Correctness of Conflict-Free Replicated Data Types
报告人简介：南京大学副教授。主要研究并发程序验证理论，提出解决并发程序精化验证、终止性验证和功能正确性验证等基础问题的新理论和新技术。在POPL、PLDI、TOPLAS等顶级会议和期刊上发表论文多篇。获PLDI 2019杰出论文奖。博士论文被评为CCF优博、中科院优博，被MIT评选为2015年度电子与计算机领域“学术新星”，获国家自然科学基金优秀青年基金支持。
报告摘要：Conflict-Free Replicated Data Types (CRDTs) used in geographically distributed systems are designed with delicate conflict-resolution strategies to trade off strong consistency guarantees for availability and performance. People usually use strong eventual consistency (SEC) to specify the data consistency guarantee of CRDTs. However, it remains unclear how to characterize the functional correctness of CRDTs. This brings difficulties to modular verification of client programs using CRDTs.
This talk presents a framework for verifying CRDTs and their clients. We first propose Abstract Converging Consistency (ACC), a new formulation of CRDTs’ correctness. ACC specifies both data consistency and functional correctness. In particular, it supports abstract atomic specifications of CRDT operations, and establishes consistency between the concrete execution traces and the execution of the abstract atomic operations. Our Abstraction Theorem shows that ACC guarantees a contextual refinement between CRDT implementations and their atomic specifications. It allows us to soundly replace the concrete CRDTs with their abstractions when verifying client programs, thus enables modular and layered verification. We give a program logic to verify clients at the abstract level, and a proof method to verify concrete CRDT algorithms.
熊英飞
报告五：交互式程序综合中的问题选择
报告人简介：北京大学副教授。2009年从日本东京大学获得博士学位，2009-2011年在加拿大滑铁卢大学工作，2012年加入北京大学，现任新体制长聘副教授。熊英飞的研究兴趣是程序设计语言和软件工程，特别是程序分析、综合和修复。他提出了理论和方法降低程序编写和缺陷修复的代价。比如，基于差别的双向变换框架是最广泛使用的双向变换框架之一，ACS将程序修复技术在公共数据集上的正确率从此前不到40%提升到70%以上。他的工作也被工业界采用，比如新一代Linux内核配置项目、燕云DaaS系统、华为公司等。他是SATE18的程序委员会联合主席，也在ICSE、FSE、ASE、ISSTA等会议担任PC。
报告摘要：交互式程序综合通过向用户提问明确程序编写的需求。为了降低用户负担，通过选择合适的问题来减少总共需要的问题数量非常重要。在本报告中，我将汇报我们对该问题的研究成果。具体而言，我们针对这个问题提出两个算法。SampleSy通过采样的方法模拟了一个决策树领域目前最好的选择策略，可以在较短的响应时间内选出所需的问题。EpsSy通过引入少量错误率来进一步降低所需的总问题数。为了实现这两个算法，我们还设计了一个程序采样算法VSampler，可以对概率版本空间代数所表达的程序分布进行采样。理论分析和实验表明，两个算法都很好的达到了设计的目标。
张昕
报告六：Interpreting Neural Network Judgments via Minimal, Stable, and Symbolic Corrections
报告人简介：北京大学助理教授。2017年获美国佐治亚理工博士学位，2017-2020年于美国麻省理工学院担任博士后研究员。他的研究领域为程序设计语言和软件工程，研究重点为编程系统和机器学习相关的交叉方向。一方面，他利用机器学习的思想来提高程序分析等编程系统的可用性，提出了逻辑与概率相结合的程序分析等。另一方面，他开发了新的程序分析和编程语言以提高机器学习系统的质量，在机器学习的可解释性、公平性问题上都有所创新。他的工作曾发表在PLDI、POPL、FSE、NeurIPS等顶级会议上，并获PLDI’14和FSE’15杰出论文奖。
报告摘要：In this talk, I will demonstrate how to leverage ideas in programming languages to address one of the key problems in machine learning, interpretability. In particular, I will present a new algorithm to generate minimal, stable, and symbolic corrections to an input that will cause a neural network with ReLU activations to change its output. We argue that such a correction is a useful way to provide feedback to a user when the network’s output is different from a desired output. Our algorithm generates such a correction by solving a series of linear constraint satisfaction problems. The technique is evaluated on three neural network models: one predicting whether an applicant will pay a mortgage, one predicting whether a first-order theorem can be proved efficiently by a solver using certain heuristics, and the final one judging whether a drawing is an accurate rendition of a canonical drawing of a cat.
CCF推荐
【精品文章】
CCF颁奖典礼限量门票开售
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，加站长微信免费获取积分，会员只需38元，全站资源免费下载 点击查看详情
站 长 微 信： thumbxmw
