Apple（苹果）

Adaptive Model Compression (AMC): Saliency-Driven Resource Allocation for Ultra-Low-Power Transformer Inference

自适应模型压缩（AMC）：用于超低功耗变压器推理的显著性驱动资源分配

Jiayin Hu, Kai Yuan, Vanessa Hu, Xuetao Yin, Jianhua Li, Sean Suchter

机构 * Apple USA（苹果公司（美国）） 纠错

AI总结 研究在资源受限边缘设备部署大规模变压器模型的挑战，提出基于令牌重要性动态分配资源的自适应模型压缩框架AMC，实验证明该方法能降低能耗、提高吞吐量，有效延长移动设备电池寿命，精度略有下降。

Self-Compacting Language Model Agents

自压缩语言模型智能体

Tianjian Li, Jingyu Zhang, William Jurayj, Xi Wang, Chuanyang Jin, Mehrdad Farajtabar, Eric Nalisnick, Daniel Khashabi

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Apple（苹果公司） 纠错

AI总结 提出SelfCompact框架，让语言模型自主决定何时及如何压缩上下文，通过调用压缩工具和轻量级规则实现自适应压缩，无需微调或外部监督，在多个基准上以更低成本匹配或超越固定间隔压缩。

Comments 25 pages, 3 figures

SparseLGS: Sparse View Language Embedded Gaussian Splatting

SparseLGS：稀疏视图语言嵌入高斯溅射

Jun Hu, Zhang Chen, Zhong Li, Yi Xu, Juyong Zhang

机构 * School of Mathematical Science, University of Science and Technology of China（科学技术大学数学科学学院） ； Meta ； Apple Inc.（苹果公司） ； Alpha Labs at Goertek（Goertek的Alpha实验室） 纠错

AI总结 研究针对无姿态和稀疏视图输入图像的3D场景理解难题，提出SparseLGS方法。利用密集立体模型与区域匹配法，提取低维信息并引入重建损失。实验表明该方法用较少输入重建语义场质量可比SOTA，且速度提升5倍。

Comments Project Page: https://ustc3dv.github.io/SparseLGS