算法论文8

中澳团队提出 FedVLR 打破图文融合瓶颈

机器之心2025-11-25

AI 摘要

悉尼科技大学与港理工团队提出 FedVLR 框架，解决联邦环境下多模态融合难题。它双层融合解耦特征与偏好，工程优势多，实验表现优，为联邦基础模型落地提供范式。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

康奈尔拆解机器人长期记忆难题

本文整理康奈尔大学Steven Waslander教授在IROS的主旨演讲，针对智能机器人上下文窗口限制的瓶颈，分享其团队在仓库机器人长期记忆领域的两项核心研究，给出多模态记忆检索与环境动态检测方案，具备工业落地参考价值。

本文介绍面壁智能和OpenBMB最新开源的端侧多模态大模型MiniCPM-V 4.7，其35B-A3B版本总参数35B，推理仅激活3B，仅需3G内存即可在iPhone等手机断网流畅运行，性能领先同类模型，详解了其优化技术与行业价值

本文整理自新加坡国立大学Show Lab负责人寿政教授在ECCV 2026的分享，团队研发融合自回归与离散扩散的Show-o/Show-2统一架构，解决多模态理解与生成融合痛点，延伸至具身智能领域，突破数据稀缺、推理延迟等核心瓶颈。

李飞飞创业公司 World Labs 发布新一代世界模型 Atlas，它是全模态模型，能处理四模态数据。其核心为空间上下文设计，评测成绩不错，应用场景丰富，公司发展节奏密集，产品路径有转向。