Xi'an Jiaotong University（西安交通大学）

Federated Foundation Models Fine-Tuning with Heterogeneous Compressed Clients

采用异构压缩客户端的联邦基础模型微调

Shengkun Zhu, Jinshan Zeng, Zhihua Allen-Zhao, Mayi Xu, Quanqing Xu, Wei Ren, Qiang Yang, Yang Liu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； OceanBase, Ant Group（蚂蚁集团OceanBase） ； School of Management, Xi’an Jiaotong University（西安交通大学管理学院） ； School of Mathematics and Statistics, Xidian University（西安电子科技大学数学与统计学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computer Science, China University of Geosciences（中国地质大学计算机学院） 纠错

AI总结 针对基础模型联邦学习的资源不对称问题，提出FedSLM框架，通过SVD分解等技术实现异构压缩客户端的联邦微调，实验显示其在多基准上优于现有基线且客户端内存需求更低。

Dual-Dimensional Consistency: Balancing Budget and Quality in Adaptive Inference-Time Scaling

双维度一致性：在适应性推理时间扩展中平衡预算与质量

Rongman Xu, Yifei Li, Tianzhe Zhao, Yanrui Wu, Bo Li, Hang Yan

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出双维度一致性框架，通过结合置信度加权贝叶斯协议与趋势感知分层剪枝，平衡推理预算与质量，减少10倍以上token消耗并保持高精度。

PhyUnfold-Net: Advancing Remote Sensing Change Detection with Physics-Guided Deep Unfolding

PhyUnfold-Net: 通过物理引导的深度展开推进遥感变化检测

Zelin Lei, Yaoxing Ren, Jiaming Chang

机构 * Xi’an Jiaotong University（西安交通大学） ； Anhui University（安徽大学） 纠错

AI总结 本文提出PhyUnfold-Net，通过物理先验提升遥感变化检测的鲁棒性，利用迭代变化分解模块和小波谱抑制模块，有效分离混叠特征，减少假警报。

Comments 18 pages, 8 figures, 9 tables. Appendix included