10月9日下午，物联网工程学院在312会议室继续举办了第二期“物博科研交流”活动。本期讲座由博士教师朱鸿宇主讲，报告题目为《面向计划驱动与深度推理的辅助代码生成优化方法》。活动现场学术氛围浓厚，吸引了学院多位教师积极参与。

朱鸿宇博士为我院引进双师型人才，长期致力于人工智能、辅助开发与软件工程交叉领域的研究，在代码生成、大模型推理机制及智能编程辅助系统等方面积累了扎实的研究基础。他曾在多家企业任职，负责企业研发工作，并主持或参与多项国家重大科研项目，在软件开发领域具有较强的科研与创新能力。 

在本次报告中，朱鸿宇博士系统阐述了当前大模型驱动的代码生成技术的常见方法及所面临的挑战，包括生成结果缺乏逻辑一致性、难以满足复杂任务约束以及推理过程不可控等问题。他指出，传统的“提示-生成”范式在处理多步骤、高复杂度编程任务时存在明显局限，亟需引入计划驱动机制与深度推理能力以提升生成代码的可靠性与实用性。

围绕这一核心问题，朱博士详细介绍了其提出的“计划驱动与深度推理融合”的辅助代码生成优化框架。该方法通过构建任务分解与规划模块，引导模型分阶段生成中间目标，并结合知识库实现生成式推理机制对代码生成过程进行动态校验与修正。他通过多个典型编程任务（如算法实现、API调用链生成、错误修复等）的实验案例，展示了该方法在代码正确率、可读性及任务完成度等方面的显著提升。 

在展望未来研究方向时，朱鸿宇博士强调，将计划性、可解释性与推理能力深度融入代码生成系统，是迈向“可信智能编程助手”的关键路径。他进一步探讨了该技术在教育编程辅助、工业级代码自动生成及低代码平台优化等场景中的应用前景，并分享了在构建领域自适应推理模块方面的最新探索。

在随后的交流环节，与会教师围绕代码生成模型的可控性、训练数据偏差、与现有IDE的集成方式等议题展开了热烈讨论。大家就如何将此类前沿技术融入软件工程教学、提升学生编程能力培养效率等问题交换了意见，现场思维碰撞不断，产生了诸多具有实践价值的建议。

本次“物博科研交流”活动不仅为学院教师搭建了高水平的学术对话平台，也有效促进了人工智能与软件工程交叉领域的研究互动。与会教师纷纷表示，此次报告内容前沿、逻辑严谨、案例详实，极大拓展了对智能代码生成技术的理解，为今后的教学改革与科研选题提供了新思路。大家一致期待该系列交流活动持续开展，推动学院科研水平与学术影响力的不断提升。