IEEE信號處理學會正在為即將出版的《IEEE信號處理精選主題期刊》（JSTSP）徵集論文，本期特刊聚焦於一個快速發展的前沿領域：網路化AI中的自主與進化式優化。
根據徵稿通知，該主題"代表了信號處理與人工智慧領域的一種變革性範式"，將傳統信號處理技術與現代深度學習方法相結合。
主辦方表示，這一方法融合了"傳統知識驅動的自適應信號處理技術與以數據為中心的深度神經網路模型"，使系統能夠"在網路化AI模型的持續推理過程中動態獲取高質量數據"。
該概念的核心在於具備自我優化能力的網路化AI系統，其通過自適應反饋機制實現持續進化。這些系統能夠"通過在線自適應生成對應的獎勵信號與偽標籤，對每個獨立模型進行優化"，主辦方認為這一過程與複雜組織隨時間演化的方式高度相似。
徵稿通知還重點強調了統一不同機器學習範式的潛力，指出此類系統"能夠通過自適應信號處理，將監督學習與強化學習統一於AI的網路系統之中"。
多智能體系統是本次特刊的重要關注方向之一。在這類系統中，分布式AI模型之間存在動態交互，據稱這種交互能夠實現"網路化AI的自主自我優化與進化，確保在無需人工干預的情況下，系統在時變環境中保持穩健性能"。
本期特刊涵蓋多個學科領域，包括信號處理、通信與工業自動化。建議的應用場景包括大語言模型、自動駕駛系統以及實時三維重建等。
主辦方表示，本期特刊旨在"鞏固並拓展網路化AI模型自適應與在線優化的基礎理論，推動智能信號處理系統領域的持續進步"。
投稿截止日期為2026年6月15日，計劃於2027年1月正式出版。本期特刊由復旦大學的宋亮教授牽頭，聯合來自加拿大、以色列、希臘和中國等多家機構的客座編輯共同主持。
更多詳情及投稿指南，請訪問IEEE信號處理學會官方網站。
Q&A
Q1：IEEE這期特刊主要關注哪些技術方向？
A：本期JSTSP特刊聚焦於網路化AI中的自主與進化式優化，核心方向包括：將傳統自適應信號處理技術與深度神經網路模型相融合，研究多智能體系統中的自主自我優化機制，以及探索如何通過自適應信號處理統一監督學習與強化學習。應用場景涵蓋大語言模型、自動駕駛系統和實時三維重建等多個領域。
Q2：網路化AI自主優化系統與傳統AI系統有什麼區別？
A：傳統AI系統通常依賴固定模型和人工干預進行調整，而網路化AI自主優化系統能夠通過自適應反饋機制實現自我進化，在無需人工干預的情況下，在線自動生成獎勵信號與偽標籤，對每個子模型進行動態優化，從而在時變環境中保持穩健性能，大幅降低對人工操作的依賴。
Q3：這期特刊的投稿截止時間和出版時間是什麼時候？
A：本期JSTSP特刊的投稿截止日期為2026年6月15日，預計正式出版時間為2027年1月。特刊由復旦大學宋亮教授擔任主編，並聯合來自加拿大、以色列、希臘和中國等國家和地區的多位客座編輯共同負責組稿工作。詳細的投稿指南可通過IEEE信號處理學會官方網站獲取。
