江西师范大学计算机信息工程学院黄箐博士团队在软件工程领域的重要研究成果“FQN Inference in Partial Code by Prompt-tuned Language Model of Code”近期被国际著名期刊ACM Transactions on Software Engineering and Methodology (TOSEM)接收发表，其中黄箐博士为第一作者，其指导的硕士研究生袁志强为共同一作。江西师范大学为第一署名单位，其他合作单位还包括澳大利亚CSIRO Data61 SE4AI团队和复旦大学。该论文为黄箐博士团队近两年来在软件工程领域连续发表的第7篇CCF-A类论文，对于推动学院的学科发展以及软件工程专业的申博工作具有重要意义。

该研究聚焦于解决软件工程中的数据类型推理问题，首次提出了基于提示调优的预训练语言模型作为解决方案，用以构建神经知识库。这一方法有效地克服了现有方法在解决类型推理问题时遇到的词汇表不足问题，为准确地补全海量代码片段中的数据类型信息提供了关键技术支持。具体而言，该论文通过采用提示调优的方法，激活预训练语言模型中与代码相关的知识，并将其应用于类型推理任务。这种方法不仅在少量微调样本下表现出高效的性能，还适用于多种编程语言，如Java和C#，具备广泛的适用性。此外，论文中提出的专用于类推推理的模型在类型推理任务中展现出比ChatGPT等模型更为出色的性能。