近期，人工智能教育研究院连续取得两项重要科研成果。其中，教师高辉在智能控制理论领域的研究成果发表于国际权威期刊，教师李成飞在EvaHan 2026国际古籍智能处理评测中获得优异成绩并在LREC会议发表论文。这两项成果分别在智能控制理论创新与多模态大模型应用领域实现了新的突破，充分展现了研究院在人工智能交叉学科研究方面的实力与发展潜力。

高辉的文章以“Dynamic memory event-triggered finite-time sliding mode control of networked T-S fuzzy switched systems”为题，发表于国际智能控制领域权威期刊Circuits, Systems, and Signal Processing（中科院3区）。该研究面向工业互联网、机器人、车载网络等复杂网络控制场景，提出了动态记忆事件触发机制与有限时间滑模控制相结合的新方法，有效降低了网络通信负担，提升了系统在时延、干扰、攻击等复杂工况下的鲁棒性与快速稳定性。

该项研究的主要创新点包括：提出了一种兼顾历史数据与当前状态的动态记忆事件触发策略，显著节约了网络带宽资源；构建了异步有限时间滑模控制器，实现了强扰动下系统的快速稳定；为网络化非线性切换系统提供了一套新的分析与设计框架。该工作得到山东省自然科学基金等项目资助，是研究院在智能控制与网络系统方向取得的标志性理论成果。

李成飞带领的“所以然”团队在EvaHan 2026国际评测中的数据驱动方案取得领先成绩。团队参加了EvaHan 2026国际古籍文本识别评测，该评测与国际顶级语言资源大会LREC 2026同期举办。团队在封闭赛道严格受限条件下，以数据为中心实现创新突破，其研究论文“Data-Centric Strategies for Ancient Chinese Text Recognition: Augmentation, Annotation Refinement, and Style Transfer in EvaHan 2026”被国际会议正式收录。

针对中文古籍数字化面临的核心难题，团队提出了三项关键技术：实施了17类精细化数据增强，以模拟古籍老化、破损、模糊等真实退化情形；完成了5000张古籍版面的全量精细标注，显著提升了版面分析的精度；实现了石刻、木刻、水墨三种艺术风格的迁移，增强了对手写体文字的泛化识别能力。

最终评测结果显示：印刷体识别的字符错误率降至4.48%，相较于基线系统降低了27.5%；手写体识别的字符错误率降至8.79%，降低了4.5%；版面分析任务在验证集上的Macro F1分数提升了258%，证实了标注质量是制约古籍人工智能处理的核心瓶颈。该成果为中华古籍的数字化与智能化保护提供了一套低成本、可落地的人工智能技术解决方案，相关标注工具与代码已开源共享。

近期两项成果的集中发布，是人工智能研究院坚持高质量、高水平、高显示度科研导向的重要体现。未来，研究院将继续立足于学校发展定位，服务国家教育数字化战略，持续攻克关键核心技术，产出更多标志性成果，为学校的高质量发展贡献力量。

摄影：高辉、李成飞

供稿审核：刘斌

审稿、编辑：侯伟、张淑芬

终审：孙磊