热点事件持续更新
FedCORE：联邦多模态图基础模型中感知与推理的耦合适配
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表 FedCORE 框架，通过共享低维隐状态联合优化多模态 Encoder 与图神经网络（GNN）更新，在共享状态空间中执行联邦演化。实验显示 Encoder-GNN 配对差距从 30.6 降至 5.9，较独立联合适配减少 80.7%。研究揭示 Encoder 适配受图关系影响，且跨客户端模块交换存在显著的配对敏感性。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
arXiv 发表 FedCORE 框架，Encoder-GNN 配对差距由 30.6 降至 5.9。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Machine Learning Theory联邦多模态图基础模型中的感知与推理耦合：FedCORE 框架
FedCORE 通过共享低维隐状态联合优化多模态 Encoder 与图神经网络（GNN）更新，在共享状态空间中执行联邦演化。实验表明该方法将 Encoder-GNN 配对差距从 30.6 降至 5.9，较独立联合适配减少 80.7%。研究揭示 Encoder 适配受图关系影响，且跨客户端模块交换存在显著的配对敏感性。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。