天津大学 王赞 教授

报告生成时间：2026年8月20日
个人主页：https://tjusail.github.io/people/wangzan.html
所属团队：天津大学智能与计算学部软件工程团队（TJU-WISE Lab/智慧软件工程团队）

---

一、学者基本信息

字段	信息
姓名	王赞（Zan Wang）
出生年份	1979年（天津大学教师主页载明出生日期为1979年9月6日）
职称	教授
所属单位	天津大学智能与计算学部软件工程系
实验室职务	公开资料未见其在智慧软件工程团队中的单独职务表述
学术头衔	博士生导师、硕士生导师
国家级人才	未检索到可据以确认的公开信息
其他任职	天津大学新媒体研究院副院长（教师主页公开信息）
邮箱	wangzan@tju.edu.cn
研究方向	程序分析、软件测试、自然语言处理；具体包括并发程序分析、自动驾驶测试、软件缺陷定位及修复、文本情感计算

王赞现为天津大学软件工程系教授。学部师资页明确其承担“软件测试”“Java编程进阶”等课程，并具有博士、硕士研究生指导资格。个人主页所列研究将并发程序分析、深度神经网络测试、自动驾驶系统测试与自然语言处理连接起来，体现了以软件质量保障为主线、面向智能软件与现实场景扩展的研究布局。

二、教育背景与职业履历

公开且可交叉确认的履历均在天津大学完成。其个人主页列示：1996—2000年就读应用数学本科；2002—2004年攻读计算机科学硕士；2004—2009年攻读信息系统与信息管理博士，并于2009年获得博士学位。该履历说明其学术训练经历了数学基础、计算机科学以及信息系统与管理的连续阶段；公开材料未披露博士导师，故不作推断。

职业时间线为：2010—2015年任天津大学助理教授，2015—2021年任副教授，2021年至今任教授。早期公开学术活动可见其在并发程序缺陷检测、调度与修复问题上的持续投入；随后研究扩展至深度学习系统与自动驾驶测试。2021年东南大学学术报告介绍其为天津大学副教授、博士生导师，报告主题为基于变异分析的深度学习测试用例排序；目前天津大学智能与计算学部师资页已更新为教授。

三、学生培养情况

公开来源能够直接确认“师从王赞”的学生资料较少。为避免把共同论文作者或团队成员误写为其独立指导学生，本节只列具名、可核实的培养关系；未找到可靠公开证据的其他学生姓名、学位层次或去向均不补充。

1. 尤翰墨（2019级硕士生，导师）

天津大学智能与计算学部“智算杰出青年”报道明确记载，尤翰墨为2019级硕士生，师从王赞，并由天津大学本科保送至软件分析实验室。其研究聚焦深度学习模型测试与自动驾驶测试，和王赞在智能软件测试方向的研究形成直接对应。报道还称，尤翰墨研究生期间发表4篇顶会顶刊论文，其中包括ICSE、TOSEM论文，并参与中国汽车研究中心横向项目。其提出的基于智能变异分析的测试用例排序方法被引入“面向智能网联汽车仿真测试的驾驶场景数据管理平台研发”，用于测试场景衍生与场景识别等任务，反映出“测试方法—自动驾驶场景—产业项目”的培养链条。

2. 闫明（2021级博士生，共同指导/合作关系）

天津大学关于ESEC/FSE 2021的新闻将闫明称为2021级博士生，并说明其为论文《Exposing Numerical Bugs in Deep Learning via Gradient Back-propagation》第一作者，陈俊洁与王赞为该论文作者。该材料能够确认闫明与王赞在深度学习数值缺陷测试方向存在论文合作，但未明确写明其导师归属；因此本报告仅将其界定为团队内的共同研究关系，而不将其认定为王赞独立指导的学生。

3. 赵英全、付瑞丰、郭以勒、郑开、樊兴宇（团队研究生，团队协作关系）

天津大学2024年仓颉新闻列出赵英全、付瑞丰、郭以勒、郑开、樊兴宇等十余名研究生，说明他们在陈俊洁、王赞、姜佳君带领下开展仓颉编译器测试研究。新闻没有逐人标注导师或学位年级，故不能进一步划分师生隶属关系；但该名单可作为王赞参与集体研究生培养与工程化软件测试协作的公开证据。

四、学术合作网络

4.1 团队内部：以软件测试与程序分析为中心的协作

王赞与陈俊洁、姜佳君构成智慧软件工程团队的重要协作节点。天津大学官方新闻明确指出，三人带领十余名研究生参与仓颉编译器测试，提出数据驱动的系统化测试框架，覆盖测试程序生成、测试预言构造与测试过程加速。王赞主页列出的共同署名成果亦显示其与陈俊洁、姜佳君、刘爽、赵英全、尤翰墨、闫明等人围绕深度学习测试、并发程序测试、JVM测试和编译器测试展开交叉合作。

在代表性论文关系上，FSE 2021论文《Exposing Numerical Bugs in Deep Learning via Gradient Back-propagation》由闫明第一作者，陈俊洁、王赞等共同署名，聚焦深度学习中的数值缺陷；王赞主页还列有与尤翰墨、陈俊洁共同署名的深度神经网络测试输入排序研究。这些成果将团队内部协作落在可复核的共同作者关系与具体技术问题上。

4.2 跨机构与产业协作：自动驾驶和基础软件质量保障

自动驾驶方向的公开项目包括2019—2020年天津市智能制造专项“自动驾驶汽车仿真测试数据管理系统研究”。尤翰墨的公开材料进一步表明，其在培养期间参与中国汽车研究中心横向项目，并同中国汽车研究中心数据中心合作开展多个数据平台研发；其中的自动驾驶仿真测试项目应用了智能变异分析驱动的测试用例排序方法。上述证据可支持王赞团队与中国汽车研究中心相关业务的项目协作，但现有公开材料不足以确认王赞个人在每一个项目中的具体职务或合同角色。

4.3 国际学术共同作者：以论文署名为准的外部连接

王赞个人主页列出多项含境外机构学者的共同成果，例如与Jun Sun、Lingming Zhang、Yuan-Fang Li、Tai D. Nguyen等作者在并发程序、JVM测试或智能合约测试议题上共同署名。由于该主页未逐一标明合作时的机构、合作频次及项目关系，本报告不将这些共同作者扩大表述为稳定的国际合作团队；它们更适合被理解为围绕软件测试与程序分析论文形成的外部学术连接。

五、业界合作关系深度分析

5.1 华为仓颉：从测试研究到编译器实际部署

天津大学官方新闻显示，软件工程团队与华为仓颉团队、华为编译器与编程语言实验室持续合作，围绕仓颉编译器质量保障开展研究。王赞与陈俊洁、姜佳君共同参与带队工作；团队提出的数据驱动编译器系统化测试框架包含：以程序综合生成测试程序、以程序变异构造测试预言、以代码表示学习加速测试过程。新闻还明确称，相关研究已部署到仓颉编译器的实际测试中并提升测试效果。

这一关系的特点不是单次技术咨询，而是基础软件工程中的长期“方法—工具—部署”闭环：学术侧形成测试生成、蜕变/变异测试与效率优化方法，企业侧以新生编程语言编译器为真实对象验证并持续迭代。王赞的程序分析与软件测试研究方向为这一协作提供了直接的技术接口。

5.2 中国汽车研究中心：面向智能网联车场景的测试转化

中国汽车研究中心相关协作主要通过王赞指导学生尤翰墨的公开事迹呈现：其参与该中心横向项目，并与数据中心合作开展汽车数据服务、产品决策支持、竞品数据及悬架数据库等项目；测试用例排序方法被用于智能网联汽车仿真测试数据管理平台。与纯算法评测相比，该场景强调样本标注成本、场景衍生和场景识别的实际约束，因此能够检验深度学习测试技术在自动驾驶系统质量保障中的适用性。

现有公开资料没有显示王赞创办企业、持股孵化项目或明确的创业任职，故不对“创业孵化”作延伸判断。可确认的产业关联集中在华为仓颉的基础软件质量保障，以及中国汽车研究中心相关的智能网联汽车测试项目。

六、重要奖项与学术兼职

类别	公开可确认信息	说明
论文荣誉	ACM SIGSOFT Distinguished Paper Award（FSE 2020）	2021年东南大学学术报告介绍王赞参与的《Deep Learning Library Testing via Effective Model Generation》获该奖。
科研项目	国家自然科学基金项目：快速检测、定位并自动生成高质量补丁的并发缺陷研究（2019—2022）	项目名称及周期载于个人主页。
科研项目	天津市智能制造专项：自动驾驶汽车仿真测试数据管理系统研究（2019—2020）	项目名称及周期载于个人主页。
学术服务	尤翰墨曾担任ISSTA sub-reviewer	这是学生公开经历，并非王赞本人学术兼职，不应混同为王赞任职。

除上表所列内容外，未检索到王赞本人可可靠确认的学会职务、期刊编委或国家级人才称号，故不补列。

七、Connection圈层总结

第一圈层：团队核心协作。 陈俊洁、姜佳君与王赞共同参与华为仓颉编译器质量保障，是公开报道直接确认的团队教师协作组合；刘爽及多名研究生共同出现在王赞主页所列的软件测试、程序分析论文中。

第二圈层：学生培养与青年研究者。 尤翰墨是当前公开资料中能够明确确认师从王赞的2019级硕士生，研究将深度学习模型测试与自动驾驶测试结合。闫明及仓颉项目中的多位研究生体现了团队共同培养和共同研究网络，但公开资料不足以逐一判定其导师归属。

第三圈层：产业协作。 华为仓颉合作将编译器测试技术部署到真实基础软件测试环节；中国汽车研究中心相关横向项目则将智能变异测试用于自动驾驶仿真测试的数据管理和场景任务。二者分别连接国产基础软件与智能网联汽车两类应用场景。

第四圈层：外部论文共同作者。 个人主页可见Jun Sun、Lingming Zhang、Yuan-Fang Li等外部共同作者，连接并发程序分析、JVM测试、智能合约测试等议题。鉴于未对完整论文库和作者身份进行统一消歧，本报告不以不完整数据计算合作频次，也不据此推断导师谱系或长期组织关系。