喜讯 | AI中心五篇论文入选 CCDC 2026,工程智能领域再添新突破

导读

近日，AI中心在科研攻关上捷报频传，共有五篇高质量论文被第37届中国控制与决策会议（CCDC 2026）录用。部分工作联合中交天航局、中国民航信息网络股份有限公司、矿冶科技集团有限公司、山东港口青岛港集团有限公司等单位合作发表。此次集中发表标志着团队在工程智能方向上的高水平成果突破，学术影响力再上新台阶。

AI驱动智能建筑语料库生成：端到端分层框架破解知识碎片化难题

蒋海峰、尹泽夏、王晶等在CCDC 2026上发表了《An End-to-End Hierarchical Framework for Large-Scale Corpus Generation in Intelligent Building Sector》论文，通过融合布局感知解析、LLM语义过滤与语义分块等技术，提出了端到端的分层数据处理框架，有效解决了智能建筑领域知识碎片化与高质量训练语料匮乏的关键瓶颈，为行业垂直大模型的构建提供了可复用的数据工程范式。

图1.端到端的分层数据处理框架流程图

基于该框架，团队构建了1700万词元的预训练语料库和6.7万条指令对。实验显示，模型整体准确率较基线提升8.3%，多项选择准确率提升9.9%。该框架为智能建筑行业提供了一套从原始文档到模型可训练数据的处理流程，显著降低了行业从业者构建高质量领域语料库的技术门槛，为人工智能在智能建筑中的规模化部署奠定了坚实的数据基础。

疏浚作业联合优化：岭回归与序列规划协同破解多目标冲突

AI中心联合中交天航局、青岛港集团，由张世谦、王晶、王晓鹏等在CCDC 2026上发表了《Joint Optimization of Multi-Stage Dredging Operations via Ridge Regression》论文，通过融合正则化回归与序列最小二乘规划算法，提出了一套面向疏浚作业的化学协同优化（RR-CSO）方法，有效解决了河湖底泥调理过程中强非线性、多因素耦合及多目标冲突等复杂优化难题，为疏浚工程的高效脱水与低成本处置提供了精确可操作的建模与决策方案。

图2.疏浚作业示意图

实验结果表明，RR-CSO方法具有更优的泛化性能。该方法的疏浚作业效率高于基线方法预测的最高效率，且所有优化参数严格满足工业约束条件。该研究为疏浚过程的高效优化运行提供了精确且可操作的建模与决策方案，丰富了工业约束过程建模与优化的技术体系，为河湖底泥的无害化、资源化处置提供了有力的技术支撑。

工业生产过程质量预测：任务分解与多尺度融合虚拟分析仪问世

AI中心联合中国航信，由刘杨、莫洋、杨喆等发表了《Synergizing Task Decomposition and Multi-Scale Temporal Fusion for Industrial Time-Series Forecasting》论文，通过融合领域信息引导的多任务学习与分层特征融合，提出了一套创新的端到端时间预测框架，解决了在工业生产过程中传统实验室监测存在的大延迟、低频率采样问题，为实时质量监控与主动过程优化提供了可落地的虚拟分析解决方案。

图3.端到端时间预测框架的流程图

在真实大规模数据上的实验表明，该框架实现了5.16%的平均绝对百分比误差（MAPE），与传统单任务基线相比预测误差降低62.2%。消融实验证实了任务分解与特征融合的贡献。该系统作为实时质量监测虚拟分析，显著减少了对离线实验室测试的依赖，为工业生产的主动优化与智能决策提供了强大智能支持，推动流程工业向动态化、高质量方向转型升级。

领域RAG指令合成：从文档到问题的结构化生成提升小模型鲁棒性

AI中心联合矿冶集团，由王晶、张睿、莫洋等提出文档驱动的指令合成流水线：建立内容类型→问题类型→提示模板的显式映射，生成带干扰项的MCQA指令数据，强制模型在噪声中定位证据。

图4.提出的面向领域特定多项选择题问答的检索增强生成指令生成流程概述图

实验结果表明，使用该框架生成的数据进行微调后，模型准确率相比基础模型提升1.4至36.6个百分点，平均提升11.8个百分点，且始终优于基于种子指令的扩展方法。该研究揭示了在干扰噪声环境下有效利用证据是领域RAG MCQA的重要瓶颈，为构建可扩展、高鲁棒性的垂直领域问答系统提供了可复用的指令合成路径，推动了小语言模型在决策关键场景中的可信落地。

5.工程图纸智能匹配：MAGINO框架攻克小符号与细粒度识别瓶颈

AI中心莫洋、肖磊、刘家兴等提出MAGINO三阶段框架：针对工程图纸中符号尺寸小、类别相似度高、制图标准不一，传统方法漏检与误判严重等问题，构建了DINOv2特征记忆库，采用分块高分辨率YOLO检测提升小符号召回率，并设计融合决策机制区分易混淆子类。