2020年7月6日-11日，第42届软件工程国际会议ICSE在线召开，我校计算机科学与技术学院/人工智能学院软件工程团队多项高质量研究成果被录用并做大会汇报。ICSE全称为International Conference on Software Engineering，是软件工程领域CCF A类会议，今年录用率为20.9%。

钱巨副教授第一作者成果《RoScript: A Visual Script Driven Truly Non-Intrusive Robotic Testing System for Touch Screen Applications》从侵入式测试自动化难以应用在航空、航天等工业领域的封闭和非标准化设备上这一问题出发,结合计算机视觉和机器人前沿技术，提出了面向触屏应用的非侵入式测试自动化方法，拓展了测试自动化技术的应用范围和解决思路。该工作首先提出了一套由可视化脚本驱动、利用机器人触发动作的测试自动化引擎，实现了非侵入式的测试执行。同时，还提出了视觉识别人手在屏幕上的动作，从而自动录制测试脚本的方法，实现了非侵入式的测试脚本录制。整个方法具备全程“非侵入”的特色，可在不向被测设备安装任何软件、建立任何连接的情况下工作，能够用于任意的操作系统和GUI框架。实验结果证实所提出方法具有较高的测试执行和脚本录制准确度，具备较好的可用性。

刘逵副研究员第一作者成果《On the Efficiency of Test Suite based Program Repair: A Systematic Assessment of 16 Automated Repair Systems for Java Programs》针对自动缺陷修复工具（Automated Program Repair, APR）的效率问题，提出了以NPC（number of patch candidates）作为衡量APR工具效率的一项指标。APR工具自提出以来，主要根据修复bug的数量和时耗来衡量APR工具的性能。然而不同的实验平台和不同的bug程序在时耗上的不同，会使得通过时间来衡量ARP工具的效率产生偏差，为了消除此偏差对APR效率的衡量，该工作提出了NPC这一指标。通过系统性地运行16个面向Java程序缺陷的APR开源工具，对现有APR的工具有了一个全新的认识，深入研究了设置NPC的阈值和缺陷定位对APR性能产生的影响。

张静宣讲师第一作者成果《 Enriching API Documentation with Code Samples and Usage Scenarios from Crowd Knowledge》重点解决API参考文档缺少演示API正确使用的代码样例及其使用场景的问题。该工作创造性地从群智论坛Stack Overflow中抽取出高质量的代码样例及其使用场景，填充到对应的API参考文档页面中，完成信息的融合，形成代码样例增强的API参考文档。经过一系列的实证研究表明，相比于现有的最好方法，代码样例填充后的API参考文档可以帮助软件开发人员在更短的时间内完成更多的编程任务，极大地提高了软件开发人员的编程效率。该成果论文于2019年被软件工程旗舰期刊IEEE TSE（CCF A类期刊，IEEE Transactions on Software Engineering）录用，收到ICSE 2020的邀请，入选了ICSE 2020的Journal First Paper，并在大会上作展示报告。