我们开发了一个新颖的协同设计运行时系统 Jaseci 与编程语言 Jac，旨在降低分布式应用开发、优化、配置和部署的复杂性并提高开发人员的生产率。我们使用真实的人工智能应用程序来证明 Jaseci 对应用程序性能和开发人员生产率的好处。

May, 2023

基于自然启发计算的工具用于解决软件工程问题，介绍了 IaC Optimizer 平台的最终版本，其主要贡献以及实现决策，并展示了一个真实世界的用例。

Nov, 2023

我们提出了 Skeet 框架，它能够反映当前的架构趋势，并提供工具套件，使开发人员能够轻松地将人工智能等新兴技术整合到他们的应用程序中并部署。

May, 2024

本文介绍了一项基于机器学习的平台 ACE，通过它可以处理不断增加的边缘和云资源，用户透明的服务以及越来越多的智能工作负载。此平台可用于边缘云协作智能应用程序的开发和部署，以提高性能优化的效率。

Mar, 2022

该论文介绍了 Alexa 技能套件 (ASK) 的机器学习架构设计，该技能套件是一个大规模的口语语言理解 (SLU) 软件开发套件 (SDK)，旨在让第三方开发人员扩展亚马逊虚拟助手 Alexa 的功能。ASK 强调灵活性、可预测性和快速迭代周期，并通过归纳偏差从极小和稀疏的数据集中学习到强大的 SLU 模型，从而消除了软件开发人员和对话系统研究者进入门槛。

Nov, 2017

我们提出了一种名为 MASAI 的软件工程人工智能模块化架构，该架构利用分解问题为多个子问题的方法，通过实例化具有明确定义的目标和策略的 LLM 驱动的子代理来解决复杂问题，并在高难度的 SWE-bench Lite 数据集上实现了最高性能（28.33% 的解决率）。

Jun, 2024

使用 ChatGPT 作为软件开发机器人，能够协助软件架构师们更快地创建、分析、综合和评估架构设计，虽然需要人类监督和决策支持。

Feb, 2023

本文介绍了一种新的动态组合异构系统的方法，以进一步推进数据驱动的科学实践，以提高计算效率和特定科学领域的可用工具，并概述了一项以可组合基础架构为基础的案例研究，展示了火灾建模的应用。

Nov, 2022

在人工智能的快速发展中，解决复杂的人工智能任务是智能移动网络中的关键技术。为了应对这一挑战，我们提出了系统性人工智能（SAI），它是一个利用大型语言模型（LLMs）和基于 JSON 格式意图的输入连接自设计的模型库和数据库来解决人工智能任务的框架。

Oct, 2023

提供一种基于云端虚拟机的网络服务架构，与高性能计算系统相结合，通过 Slurm 集群实现运行大规模语言模型，提供一种安全、私密的可替代商业大规模语言模型服务的解决方案。

Jun, 2024