实验室博士后康潇作为第一作者的论文《PEOCH: Online Cross-Modal Hashing With Semi-supervised Streaming Data Driving Prototype Evolution》被人工智能领域顶级国际会议AAAI 2026录用。该论文由康潇、刘兴波（通讯作者）、潘烁、张雪凝、聂秀山、尹义龙共同完成。AAAI（Association for the Advancement of Artificial Intelligence）是人工智能领域顶级会议之一，被中国计算机学会（CCF）列为A类国际学术会议。

针对流媒体多模态数据爆发式增长带来的三大挑战——数据分布漂移、模态鸿沟及标注稀缺，提出了基于原型演化的在线跨模态哈希方法PEOCH。现有半监督在线哈希方法难以生成高质量的无监督哈希码，从根本上限制了检索过程的多样性与灵活性。为此，研究者设计了一种通过半监督流数据驱动原型演化的新型框架，能够为标注与未标注数据同时生成精准稳定的哈希码。其核心机制在于双原型协同更新：标注样本将语义知识推入原型，而未标注样本通过原型牵引指导哈希码生成。团队设计了协同优化架构，确保原型能够基于整体流数据持续演化，同时引入融合判别性与平滑性约束的弹性正则器，显著提升原型可靠性。研究还提供了严格的理论证明，确保原型更新过程的稳定性。实验结果表明，PEOCH在三个标准数据集上全面优于现有最优方法，在多类检索任务中平均mAP@all指标提升达6.7%，为流式跨模态检索提供了兼具理论保证与实用价值的创新解决方案。