视觉大模型 / VLM

SpikingBrain2.0: Brain-Inspired Foundation Models for Efficient Long-Context and Cross-Platform Inference

SpikingBrain2.0：面向高效长上下文和跨平台推理的脑启发基础模型

Yuqi Pan, Jinghao Zhuang, Yupeng Feng, Fangzhi Zhong, Siyu Ding, Xuerui Qiu, Shaowei Gu, Bohan Sun, Zhiyong Qin, Yibo Zhong, Lingtao Ouyang, Kun Yang, Zehao Liu, Yuhong Chou, Shurong Wang, Anjie Hu, Han Xu, Bo Xu, Guoqi Li

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Key Laboratory of Brain-Inspired General Intelligence Large Model（北京脑启发通用智能大模型重点实验室） ； Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启发智能技术重点实验室） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 VLM训练与架构 ：VLM(abstract_cn)；分类 cs.LG

AI总结 SpikingBrain2.0通过双空间稀疏注意力机制和优化训练策略，在保持性能的同时提升长上下文处理效率，实现跨平台高效推理。

Towards Adaptive Continual Model Merging via Manifold-Aware Expert Evolution

面向流形感知的自适应持续模型合并方法

Haiyun Qiu, Xingyu Wu, Kay Chen Tan

机构 * Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） 纠错

专题命中 VLM训练与架构 ：grounding(abstract)；分类 cs.LG

AI总结 本文提出MADE-IT方法，通过流形几何引导专家表示，解决持续模型合并中的参数饱和与冗余问题，实现自适应专家进化与隐式路由，提升模型在长周期任务序列中的准确性和鲁棒性。