多模态信息融合

NeoTriFuse: Reliability-Aware Multimodal Fusion under Missingness Heterogeneity for Neonatal Mortality Risk Prediction

NeoTriFuse：面向新生儿死亡率风险预测的缺失异质性下可靠性感知多模态融合

Jiyuan Tian, Qincheng Shen, Ye Lin, Yu Gao, Haohui Lu

机构 * The University of Sydney（悉尼大学） ； Charles Darwin University（查尔斯达尔文大学） ； Molly Wardaguga Institute for First Nations Birth Rights（莫莉·沃达古加原住民生育权利研究所） 纠错

专题命中 融合架构与评测 ：multimodal fusion(title,abstract)

AI总结 本文提出NeoTriFuse框架，将缺失值作为可靠性信号动态调整模态贡献，联合优化死亡率与住院时长预测，在新生儿死亡率风险预测任务中取得优异性能。

Comments ICONIP 2026

Strategy-Aware Parameter-Efficient Adaptation for LLM-based Auto-Bidding

基于大语言模型的自动出价的策略感知参数高效适配

Songyue Cai, Lianyu Wang, Shan Gu, Ziru Xu, Jian Xu, Xiaofeng Zhu, Bo Zheng

专题命中 融合架构与评测 ：multi-modal fusion(abstract)

AI总结 研究广告自动出价问题，提出SAGE框架，通过位置增强、文本对齐和约束门控LoRA三个组件，实现参数高效多模态对齐，在大规模基准实验中性能卓越，调整参数少，消融研究验证各组件贡献。