语言大模型 / LLM

DeMo: Decoupled Momentum Optimization

DeMo：解耦动量优化

Bowen Peng, Lizhang Chen, Baiyu Su, Jeffrey Quesnelle, Diederik P. Kingma, Qiang Liu

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 DeMo通过解耦动量更新、快速变换和稀疏化，显著减少通信带宽，实现高效多数据中心训练。

DirMoE: Dirichlet-routed Mixture of Experts

DirMoE：基于Dirichlet的混合专家模型

Amirhossein Vahidi, Hesam Asadollahzadeh, Navid Akhavan Attar, Marie Moullet, Kevin Ly, Xingyi Yang, Mohammad Lotfollahi

机构 * Wellcome Sanger Institute（wellcome桑格研究所） ； University of Melbourne（墨尔本大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 DirMoE通过基于Dirichlet变分自动编码器的端到端可微路由机制，解耦专家选择与贡献分配，提升混合专家模型的性能和可扩展性。

ADCanvas: Accessible and Conversational Audio Description Authoring for Blind and Low Vision Creators

ADCanvas: 为视障和低视力创作者提供可访问且对话式的音频描述创作工具

Franklin Mingzhe Li, Michael Xieyang Liu, Cynthia L. Bennett, Shaun K. Kane

专题命中 其他LLM ：LLM(abstract)

AI总结 ADCanvas为视障和低视力创作者提供可访问且对话式的音频描述创作工具，通过多模态交互支持端到端的AD创作和视觉问答。

Comments 21 pages, 4 figures, published in CHI '26

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13-17, 2026, Barcelona, Spain

SVD-ViT: Does SVD Make Vision Transformers Attend More to the Foreground?

SVD-ViT：SVD是否使视觉变换器更关注前景？

Haruhiko Murata, Kazuhiro Hotta

机构 * Meijo University（静冈大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 SVD-ViT通过引入奇异值分解来增强视觉变换器对前景特征的学习，从而提升分类性能并减少背景噪声的影响。

Comments I corrected the incorrect email address. I'm sorry for any inconvenience this may have caused