热点事件持续更新
研究团队提出联邦多模态图基础模型微调框架FedCORE
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
针对联邦多模态图基础模型中感知与推理模块解耦更新的问题，研究团队提出了FedCORE联邦微调框架。该框架通过共享低维潜在状态，联合表示多模态Encoder与GNN的更新，并在共享状态空间中直接进行联邦演化，从而有效保留感知与结构推理适应之间的兼容性。实验数据显示，FedCORE成功将Encoder与GNN的配对差距从30.6降低至5.9，相比独立联合微调降低了80.7%。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究团队提出FedCORE框架，将Encoder与GNN配对差距降低80.7%。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习在联邦多模态图基础模型中耦合感知与推理
针对联邦多模态图基础模型中感知与推理模块解耦更新的问题，研究团队提出了 FedCORE 联邦微调框架，通过共享低维潜在状态联合表示多模态 Encoder 与 GNN 的更新。该框架在共享状态空间中直接进行联邦演化，有效保留了感知与结构推理适应之间的兼容性。实验表明，FedCORE 将 Encoder 与 GNN 的配对差距从 30.6 降至 5.9，较独立联合微调降低了 80.7%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。