2025年10月22日，软件工程教研室举办“软件缺陷预测的多模态数据融合模型研究”专题研讨会，聚焦跨类型数据融合在提升缺陷预测准确性中的关键作用。学院内十余位骨干教师参与研讨，共同探索利用代码、日志、用户反馈等多源数据优化预测效果的新路径。

　　一．传统模型局限凸显，多模态融合成破局关键

　　会议指出，传统软件缺陷预测主要依赖单一数据源（如代码静态特征或历史缺陷记录），存在信息覆盖不全、上下文缺失等问题。例如，基于代码复杂度的模型难以捕捉运行时的行为，而仅依赖历史数据的模型对新类型缺陷的预测能力较弱。教研室主任王教授表示：“软件系统的复杂性要求我们整合多维度数据，通过多模态融合挖掘隐性关联，从而提升预测的全面性和精准度。”

　　二． 多模态模型实践：从实验室到产业化的探索

　　会议展示了多项前沿研究成果。北京大学团队提出的“代码-日志-用户反馈三模态融合模型”，通过注意力机制动态加权不同数据特征，在开源项目数据集上的F1值达到0.82，较单模态模型提升25%。工业级实践显示，其融合代码结构、测试用例执行结果与运维日志的模型，在金融核心系统中将缺陷漏报率降低至3%以下。与会教师强调，多模态融合需解决数据异构性、特征对齐等挑战，需结合领域知识设计针对性融合策略。

　　此次研讨标志着软件缺陷预测进入“全数据驱动”时代。未来，我们将持续深化多模态融合技术研究，探索轻量化模型部署方案，为工业软件、关键信息系统提供更可靠的缺陷预警支持。