为营造浓厚学术氛围，拓宽师生科研视野，激发科技创新活力，2026年9月15 日，智能与电子工程学院智能与通信工程系于 A7‑323 教室，成功举办《基于置信度向量的 DNN 黑盒测试用例排序技术研究》专题学术讲座。本次讲座由系内张寓涵老师担任主讲，相关专业师生到场聆听，共同探索深度神经网络可靠性测试领域的前沿技术与实践应用。

讲座伊始，张寓涵老师以深度神经网络在自动驾驶、工业质检等安全关键场景的应用现状为切入点，剖析 DNN 可靠性面临的现实挑战。他指出，传统测试方法存在标注成本高、白盒技术难以适配商用黑盒系统等现实瓶颈，提出研究核心目标：在无标签、无模型内部信息的黑盒条件下，高效挖掘深度神经网络潜在缺陷。

随后，张寓涵老师梳理了领域技术演进脉络，围绕置信度向量展开核心技术讲解。针对传统方法仅关注最高预测置信度的局限，介绍 CM、CRI 复合不确定性指标，依托误分类样本真实标签 Top‑K 分布规律，引出**DeepDMS**黑盒测试用例排序框架。该方法通过高错误率采样、多维度多样性最大化、加权策略排序，仅依靠模型输出置信度向量，即可完成测试用例优选。实验结果表明，该方法在故障检测、测试充分性、模型修复效果上优于现有基线方法。同时老师也展望了未来研究方向，计划向目标检测、NLP 等任务拓展，面向工业场景构建在线黑盒测试闭环。

讲座设置科研诚信专题环节，张寓涵老师强调 “科研之路，道德为基”，解读科学家精神内涵，明确科研工作中数据真实、规范署名、合理引用的底线，抵制各类学术不端行为。结合 AI 测试领域特点，引导师生重视隐私保护、算法公平、实验可复现等科技伦理问题，恪守科技向善的准则。

整场讲座逻辑清晰、理论结合实践，让在场师生对 DNN 黑盒测试、测试用例排序技术建立系统认知，深化了对科研诚信与学术伦理的理解。互动环节，师生就技术实现、工程落地等问题展开交流，现场学术氛围浓厚。本次讲座搭建了良好的学术交流平台，拓宽了师生在 AI 可靠性方向的科研视野。未来，大连东软信息学院智能与电子工程学院将持续开展系列学术讲座，营造优良科研氛围，助力师生提升科研能力，为人工智能高素质应用型人才培养赋能。