-
GridPrune:从“在何处查找”到“选择什么”——基于视觉特征的标记剪枝方法在多语言大型语言模型(MLLMs)中的应用
段玉翔|李奥力|李迎勤|李璐雨|王鹏伟
山东大学信息科学与工程学院,中国山东省青岛市,266237
摘要
多模态大型语言模型(MLLMs)在广泛的视觉-语言任务中展现了卓越的能力。然而,大量的视觉标记带来了显著的计算开销。为了解决这个问题,视觉标记剪枝作为一种关键技术应运而生
来源:Neurocomputing
时间:2026-05-10
-
情感上的支持者通常会在一次行动中运用多种策略
白鑫|陈冠怡|何婷婷|范瑞|周晨莲|刘宇中国武汉华中师范大学教育人工智能学院摘要情感支持对话(ESC)对于向处于困境中的人提供共情、认可和可操作的指导至关重要。然而,现有的ESC任务定义过于简化了支持性响应的结构,通常将它们建模为单一策略-话语对。通过对ESConv数据集的详细语
来源:Neurocomputing
时间:2026-05-10
-
利用小型语言模型对动态系统进行模型预测控制
马克西莫·卡恰(Massimo Caccia)、克里斯蒂亚诺·切尔韦莱拉(Cristiano Cervellera)、达尼洛·马乔(Danilo Macciò)
意大利国家研究委员会海洋工程研究所,Via De Marini 6号,16149,热那亚,意大利
**摘要*
来源:Neurocomputing
时间:2026-05-10
-
学习视图自适应的隐式正则化方法,以实现鲁棒的多视图子空间聚类
陈光勇|陈思敏|徐慧朗|甘敏
中国福建省福州市福州市350108,福州大学计算机与数据科学学院
摘要
当不同视图受到异质噪声的影响时,多视图子空间聚类效果往往会下降。均匀的去噪强度无法匹配不同视图之间的可靠性差异;因此,它可能会模糊清晰视图中的信息结构,而未能充分抑制严重的噪声
来源:Neurocomputing
时间:2026-05-10
-
综述:端到端学习式视频压缩:全面综述
栾洁何|沈云辉|王金|梁九珍|林楠|尹宝才
北京工业大学信息科学与技术学院,北京,100124,中国
摘要
视频数据的爆炸性增长迫切需要更高效的压缩技术。尽管传统的视频编码标准经过了几十年的迭代优化,但它们正逐渐接近其理论极限。端到端学习视频压缩作为一种新兴范式,利
来源:Neurocomputing
时间:2026-05-10
-
FedNLU:一种在存在噪声标签的情况下依然稳健的联邦学习方法
钟进|陈思光|黄胜军南京航空航天大学,南京,210016,中国摘要联邦学习(FL)是一种去中心化的训练范式,它允许在不需要共享原始数据的情况下进行协作式模型开发,在对隐私敏感的场景中引起了越来越多的关注。然而,大多数现有的FL研究假设所有训练样本都被正确标记,这与现实世界的情景常
来源:Neurocomputing
时间:2026-05-10
-
失名症恢复时间的差异:来自两例病例的纵向研究的证据
雨果·阿达尔隆(Hugo ARDAILLON)| 凯伦·T·雷利(Karen T. REILLY)| 沙姆斯·里博(Shams RIBAULT)| 玛琳·伦文(Marine LUNVEN)| 马蒂亚斯·布菲(Mathias BUFFET)| 杰弗里·夏尔博尼埃(Geoffroy
来源:Neuropsychologia
时间:2026-05-10
-
学习模型中加权卷积的最优密度函数
西蒙娜·卡马拉萨纳 | 朱塞佩·帕塔内
CNR IMATI, Via de Marini 6, 威尼斯, 16149, 意大利
**摘要**
本文提出了一种新的加权卷积方法,用于处理定义在规则网格(二维图像)上的信号。该方法通过优化一个密度函数来调节相邻像素的贡献程
来源:Neurocomputing
时间:2026-05-10
-
综述:垂体神经内分泌肿瘤中的移动元素:综合证据与未来研究方向
拉斐尔·洛奇·巴蒂斯塔(Rafael Loch Batista)|娜塔莉亚·达·罗兹·达莱桑德雷(Nathália Da Roz D’Alessandre)|弗洛拉·拉德伊拉·克拉维罗(Flora Ladeira Craveiro)|朱莉安娜·莫雷拉·马库斯(Juliana Mo
来源:Endocrine-Related Cancer
时间:2026-05-10
-
来自木棉(Bombax ceiba L.)花朵的果胶多糖的结构表征及其通过微生物群-肠道-大脑轴路的神经保护作用
张梓怡|张博雅|于文晨|贾秋霜|朱瑞娇|李梦聪|李俊|王亚芝|卢宇|宋子伟|顾宁|纪晨峰哈尔滨工业大学生命科学与医学学院生命科学技术系,中国哈尔滨 150001摘要从木棉(Bombax ceiba L.)的花朵中分离并纯化出一种新型果胶多糖,命名为BCP-3,其平均分子量为86.
来源:Carbohydrate Polymers
时间:2026-05-10