在大数据时代，网络中持续生成的高速数据流构成动态序列，其元素间的蕴含的模式为网络安全、流量分析和实时监控等领域的决策提供了重要依据。然而，大规模数据流通常呈现动态分布、高度偏斜与快速变化的特征，导致新型模式不断涌现，从而对数据流处理系统的实时性与准确性提出了更高要求。传统数据流处理方法在受限资源约束下难以同时满足低延迟与高精度的双重需求。为此，Sketch概率数据结构以可控的轻微误差换取时间与空间效...
【网络空间安全研究院宣】(殷诗/文陈翊璐、刘嘉琛/图)2025年5月15日18：00-21：30，“哈尔滨工业大学+广东”方班第55期学术研讨厅在哈尔滨工业大学深圳校区成功举办，中国工程院方滨兴院士、郑纬民院士，特邀专家贾焰教授和李晓明教授全程参与了课堂的教学，并对同学们的报告逐一进行了指导点评。同时参与的还有来自哈尔滨工业大学（校本部、威海校区、深圳校区）、中山大学、华南理工大学、暨南大学、广东工业大学和华中科技大...
网络空间安全研究院廖清团队参与的“面向人工智能的异构并行算法设计理论与方法”获自然科学一等奖。 围绕基于新型计算系统的异构协同并行计算理论、共性基础算子的并行算法和针对领域应用的高效可扩展并行算法三方面，进行了深入系统的探索。取得了如下主要进展：(1)发现了异构体系结构上大规模张量协同计算性能的上界，构建了面向人工智能的异构协同并行计算理论体系。 (2)提出了基于非合作博弈的自主协同计算框架及此框架...
随着城市智能化进程加速，如何精准预测用户下一步可能访问的兴趣点（Point-of-Interest, POI）成为智慧出行、商业推荐等关键场景中的核心问题。传统方法在一定程度上利用深度学习或大语言模型（LLM）技术建模用户轨迹，但在用户意图建模、候选空间约束与结果可解释性等方面仍面临瓶颈。近日，哈尔滨工业大学（深圳）廖清教授团队在SIGIR 2025国际顶级会议上成功发表题为《CoMaPOI: A Collaborative Multi-Agent Framework for N...
代码优化是软件工程中的关键任务，旨在自动重构代码以提高其执行效率。开发人员编写的代码常常存在效率问题和各种性能缺陷，这些低效之处使得代码优化的自动化方法研究变得尤为必要。传统的代码优化方法主要采用基于规则的策略，专注于特定的低效问题，但这些方法往往耗费人力且覆盖率有限。近年来，以大语言模型(LLM)为代表的深度学习技术为代码优化带来了新的可能性，但现有方法通常采用一步生成范式，难以捕捉复杂的优化方...
近年来，专注于代码智能化领域的大语言模型，如CodeQwen和DeepSeek-Coder展现出在理解和生成代码方面的巨大潜力。然而，将这些模型应用于实际环境仍面临诸多挑战。专用大模型虽然可通过API使用，但其高昂的使用成本，限制了个人和中小型组织的应用；开源大模型虽更易获取且具有较高灵活性，却也存在各自短板。超大规模模型（如70B级模型）在本地部署时对算力资源要求极高，而轻量级大模型（如7B级模型）虽资源占用较低，却常...
