Skip to content
Hot eventLive

FedCORE：联邦多模态图基础模型中感知与推理的耦合适配

1 reports1 sources5 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 4 hr ago

LatestOct 2
arXiv 发表 FedCORE 框架，Encoder-GNN 配对差距由 30.6 降至 5.9。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. 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。

Heat trend

Current heat 9·Comparable peak 10（Oct 2）·Comparable change over 24 hours –

02.557.510Oct2Oct2Oct2Oct2

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.