团队简介
BNU-SYS 隶属北京师范大学人工智能学院，课题负责人为计卫星教授。课题组立足计算机系统核心问题， 围绕“体系结构—编译优化—并行计算—大模型推理”开展系统化研究，研究内容涵盖稀疏矩阵计算与迭代求解算法优化、 大模型压缩与推理加速、面向国产处理器的编译优化，以及大规模代码缺陷检测。
研究方向
稀疏矩阵计算与迭代求解算法优化
稀疏矩阵非零元分布不规则、并行效率较低。课题组基于非零元分布特征开展稀疏计算内核加速优化；针对关键内核计算开销、分布式数据通信开销与负载不均衡三类问题，研究新型浮点格式设计、低精度传输优化与基于强化学习的负载均衡方法。
大模型压缩与推理加速
围绕 KV Cache、FlashAttention、投机解码等关键技术开展研究；自研轻量级推理引擎 MuduoXinyu（木铎芯语），支持 GPU、NPU、DCU 等后端；针对 RAG 与投机解码在垂域应用中面临的挑战，开展垂域多任务的投机解码优化研究。
面向国产处理器的反馈式编译优化与超优化技术
针对国产体系架构缺少高效适配数值计算库的问题，对典型应用中的常见算子进行提取与优化，研究基于反馈驱动优化与超优化技术的数值计算编译优化方法。目前已针对 ARM 系列完成 200 个数值计算程序的优化，成果在 3 个单位落地应用。
大规模代码缺陷检测与开源缺陷库构建
针对大规模代码中并发错误、资源泄露等难以定位与检测的问题，构建面向大规模代码的真实缺陷库与高效检测工具，形成 Java 资源泄露测试集构建、内核驱动代码缺陷检测、Linux 内核并发错误缺陷测试集构建三方面工作。
研究理念
- 学术严谨：问题定义清晰，实验设计规范，结论可验证。
- 系统视角：联合考虑算法、编译与硬件，追求端到端优化。
- 可复现性：强调公开实现、实验可复现与工程可迁移。
课题组合照
