Zum Inhalt springen
Technische Universität München

Forschung

Unsere Forschung konzentriert sich darauf, die Bereiche Software-Engineering, Deep Learning und Mensch-Computer-Interaktion voranzutreiben. Unter der Leitung von Prof. Dr. Chen wenden wir maschinelles Lernen, HCI und lightweight Programmanalyse-Technologien an, um Herausforderungen in den folgenden Schlüsselbereichen zu bewältigen:

  1. AI4SE: AI(LLM)-unterstützte automatisierte Softwareentwicklung
    • Automatisiertes UI-Design und Quellcode-Generierung
    • Automatisierte Softwaretests, einschließlich GUI-Tests, Funktionstests und Fehlerreproduktion
    • Benutzerfreundlichkeit und Zugänglichkeit von Software
    • KI-gestützte Suche nach Software-Repositories
  2. SE4AI: KI-Einsatz in Software
    • Entwicklung von KI-Software wie Sprachassistenten
    • Robustheit, Sicherheit und Datenschutz von KI 
    • Bei AI4SE wollen wir die Produktivität der Softwareentwickler steigern und gleichzeitig die Qualität der Software sicherstellen. Bei SE4AI ist es unser Ziel, den Einsatz von KI, insbesondere LLM, in praktischer Software zu erleichtern und gleichzeitig ihre Effizienz, Zuverlässigkeit und Sicherheit zu gewährleisten. Durch die Untersuchung realer Software, die der natürliche Wirt von KI ist, ist unser ultimatives Ziel die Erforschung effektiver Mensch-KI-Zusammenarbeit in der Zukunft.

Mit AI4SE wollen wir die Produktivität der Softwareentwickler steigern und gleichzeitig die Qualität der Software sicherstellen. Bei SE4AI ist unser Ziel, den Einsatz von KI, insbesondere LLM, in der praktischen Software zu erleichtern und gleichzeitig ihre Effizienz, Zuverlässigkeit und Sicherheit zu gewährleisten. Durch die Untersuchung realer Software, die der natürliche Wirt von KI ist, wollen wir in der Zukunft eine effektive Zusammenarbeit zwischen Mensch und KI erforschen.

Für beide Richtungen haben wir in letzter Zeit die meisten Anstrengungen in das entstehende Large Language Model gesteckt und eine Liste der neuesten LLM-relevanten Veröffentlichungen fertiggestellt. Wir haben auch einen brandneuen Kurs mit dem Namen „Foundation and Application of Generative AI“ entwickelt, der jedes Semester für unsere Studenten angeboten wird.

Unser Team ist an der Technischen Universität München, Campus Heilbronn, angesiedelt und arbeitet mit Industriepartnern und akademischen Einrichtungen weltweit zusammen, um Fortschritte in diesen wichtigen Forschungsbereichen zu erzielen. Wir sind offen für verschiedene Arten der Zusammenarbeit und freuen uns über jede Kontaktaufnahme.

Auszeichnungen

Ausgewählte aktuelle Veröffentlichungen

  1. [ICSE-26] Breaking Single-Tester Limits: Multi-Agent LLMs for Multi-User Feature Testing

    The 48th International Conference on Software Engineering

    Sidong Feng, Changhao Du, huaxiao liu, Qingnan Wang, Zhengwei Lv, Mengfei Wang, Chunyang Chen

  2. [ICSE-26] Repair Ingredients Are All You Need: Improving Large Language Model-Based Program Repair via Repair Ingredients Search

    The 48th International Conference on Software Engineering

    Jiayi Zhang, Kai Huang, Jian Zhang, Yang Liu, Chunyang Chen

  3. [ASE-25] Seeing is Fixing: Cross-Modal Reasoning with Multimodal LLMs for Visual Software Issue Repair

    40th IEEE/ACM International Conference on Automated Software Engineering

    Kai Huang, Jian Zhang, Xiaofei Xie, Chunyang Chen

  4. [ASE-25] Beyond Static GUI Agent: Evolving LLM-based GUI Testing via Dynamic Memory

    40th IEEE/ACM International Conference on Automated Software Engineering

    Mengzhuo Chen, Zhe Liu, Chunyang Chen, Junjie Wang, Yangguang Xue, Boyu Wu, Yuekai Huang, Libin Wu, Qing Wang

  5. [ACL-25-Finding] A Semantic-Aware Layer-Freezing Approach to Computation-Efficient Fine-Tuning of Language Models

    The 63rd Annual Meeting of the Association for Computational Linguistics

    Jian Gu, Aldeida Aleti, Chunyang Chen, Hongyu Zhang

  6. [FSE-25-Industry] From Prompts to Templates: A Systematic Prompt Template Analysis for Real-world LLMapps

    ACM International Conference on the Foundations of Software Engineering

    Yuetian Mao, Junjie He, Chunyang Chen

  7. [FSE-25] Automated Soap Opera Testing Directed by LLMs and Scenario Knowledge: Feasibility, Challenges, and Road Ahead

    ACM International Conference on the Foundations of Software Engineering

    Yanqi Su, Zhenchang Xing, Chong Wang, Chunyang Chen, Xiwei Xu, Qinghua Lu, Liming Zhu

  8. [FSE-25] Standing on the Shoulders of Giants: Bug-Aware Automated GUI Testing via Retrieval Augmentation

    ACM International Conference on the Foundations of Software Engineering

    Mengzhuo Chen, Zhe Liu, Chunyang Chen, Junjie Wang, Boyu Wu, Jun Hu, Qing Wang

  9. [ICSE-25-Industry] Agent for User: Testing Multi-User Interactive Features in TikTok

    ACM CHI conference on Human Factors in Computing Systems

    Sidong Feng, Changhao Du, Huaxiao Liu, Qingnan Wang, Zhengwei Lv, Gang Huo, Xu Yang, Chunyang Chen

  10. [USENIX-25] THEMIS: Towards Practical Intellectual Property Protection for Post-Deployment On-Device Deep Learning Models

    The 34th USENIX Security Symposium

    Yujin Huang, Zhi Zhang, Qingchuan Zhao, Xingliang Yuan, Chunyang Chen

  11. [TOSEM-25] An Empirical Study on Challenges for LLM Developers

    ACM Transactions on Software Engineering and Methodology

    Xiang Chen, Chaoyang Gao, Chunyang Chen, Guangbei Zhang, Yong Liu

  12. [TSE-24] Software Testing with Large Language Model: Survey, Landscape, and Vision

    IEEE Transactions on Software Engineering

    Junjie Wang, Yuchao Huang, Chunyang Chen, Zhe Liu, Song Wang, Qing Wang

  13. [UIST-24] GPTVoiceTasker: LLM-Powered Virtual Assistant for Smartphone

    ACM Symposium on User Interface Software and Technology

    Minh Duc Vu, Han Wang, Zhuang Li, Jieshan Chen, Shengdong Zhao, Zhenchang Xing, Chunyang Chen

  14. [CHI-24] MUD: Towards a Large-Scale and Noise-Filtered UI Dataset for Modern Style UI Modeling

    ACM CHI conference on Human Factors in Computing Systems

    Sidong Feng, Suyu Ma, Han Wang, David Kong, Chunyang Chen

  15. [CHI-24] Unblind Text Inputs: Predicting Hint-text of Text Input in Mobile Apps via LLM

    ACM CHI conference on Human Factors in Computing Systems

    Zhe Liu, Chunyang Chen, Junjie Wang, Mengzhuo Chen, Boyu Wu, Yuekai Huang, Jun Hu, Qing Wang

  16. [ICSE-24] Make LLM a Testing Expert: Bringing Human-like Interaction to Mobile GUI Testing via Functionality-aware Decisions

    The 46th International Conference on Software Engineering

    Zhe Liu, Chunyang Chen, Junjie Wang, Mengzhuo Chen, Boyu Wu, Xing Che, Dandan Wang, Qing Wang

  17. [ICSE-24] Testing the Limits: Unusual Text Inputs Generation for Mobile App Crash Detection with Large Language Model

    The 46th International Conference on Software Engineering

    Zhe Liu, Chunyang Chen, Junjie Wang, Mengzhuo Chen, Boyu Wu, Zhilin Tian, Yuekai Huang, Jun Hu, Qing Wang

  18. [ICSE-24] Prompting Is All Your Need: Automated Android Bug Replay with Large Language Models

    The 46th International Conference on Software Engineering

    Sidong Feng, Chunyang Chen

To top