中山大学人工智能研究院智能软件研究中心介绍

中山大学人工智能研究院智能软件研究中心汇聚全球前2%的顶尖科学家与青年教师力量，聚焦AI智能体的可信性问题，面向软件和信息服务、智能制造、电子商务、智慧健康等实际应用场景开展深入研究。

研究中心的使命是将智能体从“可对话”推进到“可交付、可管控”。围绕可靠性与鲁棒性、自主规划、领域检索、工具适配以及可解释性等关键问题开展平台化能力研究。近年来，中心承担了多项国家级和省部级基金项目，主持或参与建设了大湾区生成式人工智能安全发展联合实验室、珠海市可信大模型重点实验室、中山大学-招联数字金融联合研究中心、广东移动-中山大学智慧应用联合实验室等平台，推动了可信智能体在多个行业的落地应用。

一

研究中心负责人

郑子彬，教授，中山大学软件工程学院院长、中山大学人工智能研究院副院长、IEEE Fellow、IET Fellow、ACM杰出科学家、国家数字家庭工程技术研究中心副主任、广东省区块链工程技术研究中心主任。发表论文多篇，论文谷歌学术引用超过5.7万次，H指数为105。主持国家重点研发计划项目、自然科学基金重点项目等多个项目；获得教育部自然科学二等奖、吴文俊人工智能自然科学二等奖、ACM SIGSOFT Distinguished Paper Award等奖项。

二

学术成就

（一）科研项目

研究中心承担了多项国家级及省部级科研项目，包括国家重点研发计划、国家自然科学基金、广东省自然科学基金及广东省科技项目等，并以此为牵引，持续推动可信智能体、数据治理、大模型训练与推理加速、智能体可信评测等领域的研究与成果转化。

（二）论文成果

研究中心围绕可信智能体的关键挑战——可靠性与鲁棒性、自主规划能力、决策可解释、安全防护、合规与偏见治理等方向，在ICSE、ASE、ACL、ISSTA、WWW、INFOCOM、SIGMOD、ICML、AAAI、IJCAI等CCF A类会议，AIJ、TKDE、TSE、TOSEM、TPDS、TSC、TWeb、TII、TR等国际期刊上发表了200余篇论文，发明专利授权100余项。

（三）产学研合作

研究中心秉持科研牵引—平台支撑—场景落地的合作模式，与华为、腾讯、微众银行、阿里巴巴、南方电网等企业及机构开展广泛的产学研合作。在制造流程的无人化执行、电商搜索可解释、医疗预问诊、招投标文书解析等典型场景中验证技术闭环，切实推动智能体从“可对话”走向“可交付、可管控”，助力企业实现可信、可用的智能化落地。

（四）荣誉奖项

研究中心中有7位教师入选2025年“全球前2%顶尖科学家”榜单，累计获得20项最佳论文/杰出论文奖项（包括ASE、ISSTA等CCF A会议最佳论文奖），学生在学科竞赛中荣获20余项国家级奖项和60余项省部级奖项，为中心在可信智能体关键技术攻关、平台能力建设及多行业落地提供了坚实的支撑。

▲各类荣誉获奖证书

三

可信智能体解决方案

人工智能正以前所未有的速度重塑产业边界。随着技术从感知迈向生成与行动，以大模型为核心的智能体逐渐从辅助工具发展为能够自主规划、调用工具、完成任务的生产力，深度连接人、数据与业务系统。

（一）行业智能体的可信问题

智能体从“技术原型”到“规模化落地”的过程中，企业关注的焦点不再是模型的表现能力，而是其在真实业务中的稳定性、可靠性和可追溯性。这一需求转向了“可信工程”，行业智能体的可信问题如下图所示。

▲行业智能体的可信问题

（二）技术框架

围绕可信智能体的应用场景，划分为三个不同的企业应用领域：中台（智能决策）、后台（智能支持）、前台（智能交互）。中台负责集中智能决策与服务功能，成为企业核心大脑与神经系统；后台提供技术支持，涵盖数据传输、任务调度等基础工作，保障系统稳定运行；前台则聚焦智能交互与用户体验，推动智能体与用户的互动和自主服务。整个框架依托研究中心的数据治理、领域微调、可信评测和推理加速等关键技术，确保智能体在不同应用场景中的高效运作，助力多行业的智能化转型。

▲可信智能体技术框架

（三）行业案例

1.中台：智能中枢

案例1

工业流程规划智能体：工业制造中的关键业务流程复杂且依赖关系繁多，传统自动化方案难以稳定落地。为此，研究中心构建了识别—编排—可追溯的智能体执行框架，自动识别操作意图并执行流程，支持断点续跑与全程可追溯。通过标准化接口，系统兼容多种环境。应用后，典型流程中的自然语言驱动自动化稳定性提升，操作时间缩短50%，正确率提升20%。这一进展标志着智能制造从人工干预迈向可复用、可追溯、可规模化的智能执行阶段。

▲流程自动化解决方案

案例2

招投标智能体：招投标材料中的数百页PDF文件带来效率和准确性挑战，传统的自动化抽取方案存在漏项和错项问题。为此，研究中心开发了检索召回+结构化抽取的方案，通过逻辑分段和专用向量检索模型提升字段区分能力，结合精确抽取指令和位置回溯机制，确保结果准确且可复核。该方案在关键信息抽取任务中表现出色，Top-1命中率达91.11%，Top-3命中率超过98%，推动了招投标解析向“自动定位、精准交付、可复核”的智能化转型。

▲检索准确率

案例3

电路设计制造智能体：在电路设计与制造领域，工程师需要参照多个文档来确定设计参数，传统检索方式易导致设计错误。为此，研究中心开发了智能体方案，利用领域向量检索和多跳路径优化，确保信息精准定位并提升查询精度。同时，结合推理轨迹合成和智能体微调，将检索与推理过程固化为可复用决策路径。该智能体已在“虚竹大模型”等场景中应用，显著降低了设计风险，提升了规范符合性和交付一致性。

▲参数设计解决方案

2.后台：智能支持

案例4

工业Text2SQL工具：在智能制造的数据分析场景中，传统的手写SQL模式限制了决策效率。为解决这一问题，研究中心开发工业领域Text2SQL工具，将自然语言查询自动转化为SQL语句并进行迭代修正。应用后，单表查询准确率达92%，多表查询准确率85%，自动修正率超过88%，整体查询准确率提升至90%，将数据查询转化为一线业务人员可用的自然语言能力，支持实时分析与决策。

▲工业Text2SQL解决方案

案例5

工业图纸OCR工具：在工业制造中，技术图纸因图、表、文字混排及干扰，传统OCR技术难以有效提取结构化数据，仍需人工录入。为解决这一问题，研究中心研发了混合模态图纸智能解析方案，采用识别—定位—抽取架构，精准识别图文字与图表，结合视觉模型进行深度解析与结构化抽取。该技术能自动提取并填充关键数据至系统，成功将图纸转化为可检索、可流转的结构化数据资产，助力制造管理与质量追溯。

▲混合模态、大型图纸的ORC识别、自动表格填充

3.前台：智能交互

案例6

电商智能体：电商搜索中，用户点击行为的决策逻辑长期不透明，传统解释方法缺乏行为数据洞察。为此，研究中心提出了融合内容与行为的双重解释方案，通过领域大模型生成商品内容解释，并结合BehaviorGraph深度融合历史行为数据，提供更贴合用户动机的行为解释。该技术已在某头部电商的搜索平台验证，生成超过19万对查询-点击解释，推动用户浏览量提升2.30%。这一突破验证了可信智能体技术在电商场景中的应用价值。

案例7

医疗预问诊智能体：传统医患对话中，患者描述不完整或关键信息缺失，导致问诊质量不稳定。针对这一痛点，研究中心设计了提问—校验—追问—更新的闭环交互逻辑。该智能体能够主动引导患者按步骤提供信息，每次回应后即时进行完整性校验：若信息不足，则自动生成针对性追问；若信息完整，则更新状态并推进至下一环节。这一结构化、强引导的交互模式，使得问诊过程始终处于可控、可复盘的轨道上，显著提高了信息采集的完整性与效率。