刘        超： liu.chao@cqu.edu.cn

    研究方向：大数据与软件智能、人工智能、自然语言处理

    联系地址：重庆大学虎溪校区信息大楼B802室

刘超，博士，重庆大学大数据与软件学院副教授，硕士生导师；信息物理社会可信计算教育部重点实验室，大数据智能研究所骨干；中国计算机学会高级会员、软件工程专委会执行委员；主要从事大数据智能、智能软件工程、软件解析等方面的研究，近年来主要研究大规模代码搜索、代码大模型、代码解析、软件复用、软件可视化等；发表学术论文30余篇，包括领域顶级期刊/会议（CSUR, TOSEM, TSC, JOS, ICSE, FSE, ISSTA）以及领域权威期刊/会议（IST, JSS, ICPC, SANER, COMPSAC, InternetWare, JOV）。

教学课程

• 本科课程：《操作系统》

• 研究生课程：《智能软件工程》

学习/工作经历

• 2021-至今 重庆大学，大数据与软件学院，教师

• 2019-2021 浙江大学，计算机科学与技术学院，博士后

• 2019-2021 鹏城实验室，分布式高性能软件院士工作室，助理研究员

• 2019-2020 阿里巴巴，研发效能事业部，访问学者 

• 2018-2019 上海百度，工程效率部，访问学者

• 2007-2018 重庆大学，大数据与软件学院，学士/硕士/博士
  

主持/参与科研项目                                                

• 国家自然科学基金青年基金，面向大规模代码搜索的复杂语义映射模型研究

• 重庆市人工智能重大专项项目子课题, 多模态生成大模型关键技术研发及应用

• 重庆市技术创新与应用发展专项重点项目, 价值流驱动的软件研发效能提升智能服务平台研发与应用

• 中国博士后科学基金面上资助，基于层次化语义融合的深度代码搜索方法研究

• 重庆市博士后出站来渝资助，数据驱动的智能代码推荐技术

• 国家重点研发计划子课题，基于代码大数据的程序语义学习与现场大数据生成技术

• 企事业单位委托科技项目（阿里），代码推荐技术

• 国家863项目子课题，三峡库区城市水环境项目的知识管理与成果扩散

研究论文                                                      

• JOS'25. Adaptive Knowledge Distillation for Lightweight Large Code Model

• FSE'25. CoSEFA: An LLM-Based Programming Assistant for Secure Code Generation via Supervised Co-Decoding

• FSE'25. Zero-Shot Cross-Domain Code Search without Fine-Tuning

• Arxiv'25. AdaCoder: An Adaptive Planning and Multi-Agent Framework for Function-Level Code Generation

• ESWA'25. An empirical study of ChatGPT-related projects and their issues on GitHub

• FSE'24. An Empirical Study of Code Search in Intelligent Coding Assistant: Perceptions, Expectations, and Directions

• ISSTA'24. CoSec: On-the-Fly Security Hardening of Code LLMs via Supervised Co-Decoding
  

• InternetWare'24. VisRepo: A Visual Retrieval Tool for Large-Scale Open-Source Projects

• Arxiv'24. Fixing code generation errors for large language models

• JSS'24. End-to-end log statement generation at block-level

• JOV'24. SFLVis: visual analysis of software fault localization.

• JSS'24. Query-oriented two-stage attention-based model for code search.

• SANER'24. Guiding ChatGPT for Better Code Generation: An Empirical Study 

• IST'24. Understanding the implementation issues when using deep learning frameworks 

• JSS'24. Code semantic enrichment for deep code search

• ICSE'23. ShellFusion: An Answer Generator for Shell Programming Tasks via Knowledge Fusion

• FSE'22. CodeMatcher: A Tool for Large-Scale Code Search Based on Query Semantics Matching

• ICSE'22. ShellFusion: Answer Generation for Shell Programming Tasks via Knowledge Fusion

• SANER'22. Fine-Grained Co-Attentive Representation Learning for Semantic Code Search

• CSUR'21. Opportunities and Challenges in Code Search Tools

• TOSEM'21. CodeMatcher: Searching Code Based on Sequential Semantics of Important Query Words

• TOSEM'21. On the Reproducibility and Replicability of Deep Learning in Software Engineering

• SANER'21. Two-Stage Attention-Based Model for Code Search with Textual and Structural Features

• ICPC'20. Improving Code Search with Co-Attentive Representation Learning

• TSC'20. Multi-Dimension Convolutional Neural Network for Bug Localization

• AAS'20. Non-Gaussian Lagrangian Stochastic Model for Wind Field Simulation in the Surface Layer

• IST'19. A Two-Phase Transfer Learning Model for Cross-Project Defect Prediction

• More on Google Scholar 

审稿服务

TSE, TOSEM, EMSE, ASEJ, IST, JSS, SQJ, NEUCOM, INFFUS, ASE, ACL, APSEC, etc.