Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models
在4D中学习推理：面向视觉语言模型的动态空间理解
机构 * The University of Hong Kong（香港大学） ； ARC Lab, Tencent PCG（腾讯PCG实验室）
AI总结 本研究提出DSR套件，通过生成多选题-答案对和轻量级几何选择模块提升视觉语言模型的动态空间推理能力。
高校专区
The University of Hong Kong（香港大学）
BConformeR: A Conformer Based on Mutual Sampling for Unified Prediction of Continuous and Discontinuous Antibody Binding Sites
BConformeR：一种基于互采样的构象模型，用于统一预测连续和不连续抗体结合位点
机构 * Material Innovation Institute for Life Sciences and Energy The University of Hong Kong Hetao SZ-HK Cooperation Zone（生命科学与能源创新材料研究所 香港大学 河套 SZ-HK 合作区） ； Hong Kong Generative AI Research and Development Center The Hong Kong University of Science and Technology（香港生成式人工智能研究与发展中心 香港科学大学） ； Computational Immunology Centre BayVax Biotech Limited（计算免疫学中心 BayVax 生物技术有限公司） ； School of Biomedical Sciences The University of Hong Kong（生物医学科学学院 香港大学）
AI总结 BConformeR通过结合CNN和Transformer，提升对连续和不连续抗体结合位点的预测性能。
A General Error-Theoretical Analysis Framework for Constructing Compression Strategies
一种用于构建压缩策略的通用误差理论分析框架
机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） ； the School of Microelectronics, South China University of Technology, Guangzhou, China（华南理工大学微电子学院） ； The University of Hong Kong（香港大学）
AI总结 本文提出压缩误差理论框架，通过几何方法优化各层压缩水平，实现高效参数压缩且性能损失小。
Comments Under Review
FedMeld: A Model-dispersal Federated Learning Framework for Space-ground Integrated Networks
FedMeld：一种用于天地一体化网络的模型分散联邦学习框架
机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong（电子与电气工程系，香港大学）
AI总结 FedMeld 提出了一种基于卫星周期性运动和存储转发能力的无基础设施联邦学习框架，通过模型分散策略实现大规模地理区域的参数混合，从而在降低通信成本的同时提升模型准确率。
Comments 17 pages, 10 figures. This paper has been accepted by IEEE Transactions on Mobile Computing
