洲明科技与中山大学联合研究成果获国际学术会议录用 ...

№诺·琪

近期，洲明科技与中山大学信息管理学院联合完成的校企合作项目《智能交互驱动的垂类多模态大模型应用研究》取得阶段性进展。该项目历时一年半，形成的两项研究成果分别被国际自然语言处理会议EMNLP 2026及NLPCC 2026正式录用。

CompEvo研究动机：通过竞争机制缓解多智能体证据搜索策略趋同问




EMNLP 2026本届共收到约17669篇投稿，最终录用率不足三成。NLPCC 2026由中国计算机学会自然语言处理专业委员会主办，是CCF年度会议。
成果一：多智能体复杂任务决策的演化博弈机制构建
该项被EMNLP 2026录用的研究，针对的是“新闻驱动的时序预测”场景。在电力调度、金融风控等应用场景中，极端天气、政策调整、突发事件等实时信息对预测结果影响较大，传统基于历史数据的预测方法存在一定局限。
研究团队提出CompEvo框架，采用多智能体协作方式：各智能体独立进行证据搜索与预测，表现优异的策略权重逐渐提升，表现不佳的策略权重下降，同时通过竞争机制防止策略趋同。该框架已在电力、汇率、交通、比特币四个真实数据集上完成实验验证。



成果二：大语言模型在佛学因明论中的应用研究
另一项被NLPCC 2026录用的研究，利用佛学因明辩论规则检验大语言模型的推理能力。因明辩论包含明确的论证规则和多轮交互逻辑，团队据此构建了一个推理基准：模型不仅需要判断如何回应，还需说明推理依据（常识、佛学共识或对话历史），并持续跟踪已作出的逻辑承诺。
研究结果显示，当前主流大语言模型能够识别部分辩论规则，但在处理复杂多变的动态逻辑承诺方面尚存提升空间。该研究为AI对话记忆与推理能力的评测提供了参考框架。
项目背景
该合作项目历时一年半，中山大学提供理论研究支持，洲明科技提供业务场景与工程经验。洲明科技在LED+AI融合领域持续进行技术探索，目前已推出AI端侧相关产品。
免责声明（本平台所发布信息的内容及准确性，由提供消息的原单位或组织独立承担完全责任。其中，本文档包含由人工智能大模型生成的内容，不构成专业建议，使用者需自行核实并判断其适用性。）