软件研究所

近期，中国科学院软件研究所研究团队为提升大语言模型时间序列预测性能，提出了向量注入式上下文学习框架。该框架能够稳定提升时间序列预测性能，并可以降低计算开销。 大语言模型进行时间序列预测时面临一项主要挑...

近日，中国科学院软件研究所团队提出了基于软硬件结合设计的高性能多标签数据流分析方案，为解决实际应用的数据流分析性能瓶颈提供了新思路。 数据流分析是软件分析的基础性方法之一，广泛用于软件安全性分析、漏洞...

近日，中国科学院软件研究所研究团队聚焦大语言模型（LLMs）在复杂推理任务中的优化问题，提出了基于信息论的强化微调框架Learning to Think（L2T），旨在平衡模型的推理效果和效率，为大语...

近日，中国科学院软件研究所研究团队，提出基于RISC-V指令集的ISAX异构计算系统，其通过RISC-V二进制重写技术，无需修改源代码，便可实现异构核心间计算任务的高效透明迁移。该系统有助于解决传统异...

文章导读 在大数据飞速发展的今天，传统垃圾回收机制面临严峻挑战，导致系统性能瓶颈频现。中科院软件研究所团队首次实现跨语言GC性能的一致评估，提出GEAR方法，并针对JVM平台设计出BridgeGC回收...

中国科学院软件研究所提出一种面向信息物理融合系统的建模与验证方法，扩展体系结构分析与设计语言并设计Hybrid Annex附件，实现对系统“物理-软件-硬件”三层架构的统一描述与建模。研究构建了自动转...

近日，中国科学院软件研究所科研团队提出了小批量数据采样策略，可消除由不可观测变量语义引起的虚假关联对表征学习的干扰，来提升自监督学习模型分布外泛化能力。 自监督学习的分布外泛化能力是指模型在面对与训练...

近日，由中国科学院软件研究所天基综合信息系统全国重点实验室与智能博弈重点实验室完成的研究成果Demo2Test: Transfer Testing of Agent in Competitive En...