Baidu（百度）

How to Utilize Complementary Vision-Text Information for 2D Structure Understanding

如何利用互补的视觉-文本信息进行2D结构理解

Jiancheng Dong, Pengyue Jia, Derong Xu, Jiawei Cheng, Jingyu Peng, Chao Zhang, Bowen Liu, Xin Sun, Lixin Su, Shuaiqiang Wang, Dawei Yin, Xiangyu Zhao

机构 * City University of Hong Kong（香港城市大学） ； Baidu Inc（百度公司） 纠错

AI总结 本文提出DiVA-Former架构，通过动态查询视觉标记将长文本序列压缩为摘要向量，有效整合视觉与文本信息，在13个表格基准测试中提升23.9%。

Comments 16 pages, 5 figures

MOSAIC: Composable Safety Alignment with Modular Control Tokens

MOSAIC：通过模块化控制令牌实现可组合的安全对齐

Jingyu Peng, Hongyu Chen, Jiancheng Dong, Maolin Wang, Wenxi Li, Yuchen Li, Kai Zhang, Xiangyu Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Baidu Inc（百度公司） ； Minzu University of China（民族大学） 纠错

AI总结 MOSAIC通过可学习的控制令牌实现可组合的安全对齐，解决传统方法在动态安全规则下的局限性，实验显示其在降低过拒绝率的同时保持模型效用。