BLEND：联邦视觉语言模型个性化与泛化平衡框架
热点事件持续更新
BLEND：联邦视觉语言模型个性化与泛化平衡框架
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究人员提出 BLEND 框架，用于同时提升联邦视觉语言模型（FedVLMs）的个性化与泛化能力。该框架采用选择性 VLM 参数微调与聚合策略：跨客户端共享全局视觉和文本适配器，每个客户端另设专属的个性化视觉投影适配器，并引入新损失函数融合全局与个性化适配器的输出。 据作者称，实验显示 BLEND 持续优于现有最优基线。代码已开源，论文被 NeurIPS 2026 接收。
AI 根据报道生成 · 59 分钟前更新
最新进展10月12日 12:00
BLEND：在联邦视觉语言模型中平衡个性化与泛化报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CVBLEND：在联邦视觉语言模型中平衡个性化与泛化
研究人员提出 BLEND 框架，用于同时提升联邦视觉语言模型（FedVLMs）的个性化与泛化能力。该框架采用选择性 VLM 参数微调与聚合策略，包含跨客户端的全局视觉和文本适配器，以及每个客户端专属的个性化视觉投影适配器，并引入新损失函数融合全局与个性化适配器输出。实验表明 BLEND 持续优于现有最优基线，代码已开源，论文被 NeurIPS 2026 接收。
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。