热点事件持续更新
FedCORE 提出联邦多模态图基础模型耦合感知与推理
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究报道，针对联邦多模态图基础模型中多模态 Encoder 冻结、仅更新 GNN 导致感知与推理适配割裂的问题，研究者提出 FedCORE。该方法用共享低维隐状态表示 Encoder 与 GNN 的更新，并在该状态空间中联合优化与联邦演化。实验显示，FedCORE 将 Encoder–GNN 配对差距从 30.6 降至 5.9，相比独立联合适配减少 80.7%。目前该事件仅有这一篇报道，后续进展有待观察。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
FedCORE 将 Encoder–GNN 配对差距从 30.6 降至 5.9，较独立联合适配减少 80.7%。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）FedCORE：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多模态 Encoder 冻结、仅更新 GNN 导致感知与推理适配割裂的问题，研究者提出 FedCORE，用共享低维隐状态表示 Encoder 与 GNN 的更新，并在该状态空间中联合优化与联邦演化。实验显示 FedCORE 将 Encoder–GNN 配对差距从 30.6 降至 5.9，相比独立联合适配减少 80.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。