Zhejiang University（浙江大学）

Prioritizing Gradient Sign Over Modulus: An Importance-Aware Framework for Wireless Federated Learning

优先梯度符号而非模：一种基于重要性感知的无线联邦学习框架

Yiyang Yue, Jiacheng Yao, Wei Xu, Zhaohui Yang, George K. Karagiannidis, Dusit Niyato

机构 * National Mobile Communications Research Laboratory (NCRL)（国家移动通信研究中心（NCRL）） ； Southeast University（东南大学） ； Purple Mountain Laboratories（紫金山实验室） ； Zhejiang Lab（浙江实验室） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Electrical and Computer Engineering, Aristotle University of Thessaloniki（希腊亚里士多德大学电子与计算机工程系） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） 纠错

AI总结 本文提出了一种基于重要性感知的无线联邦学习框架，通过优先传输梯度符号并优化资源分配，提升了无线FL在资源受限场景下的性能。

UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment

UrbanAlign: 域内任务中VLM与人类偏好对齐的后处理语义校准

Yecheng Zhang, Rong Zhao, Zhizhou Sha, Yong Li, Lei Wang, Ce Hou, Wen Ji, Hao Huang, Yunshan Wan, Jian Yu, Junhao Xia, Yuru Zhang, Chunlei Shi

机构 * Tsinghua University（清华大学） ； University College London（伦敦大学学院） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Renmin University of China（中国人民大学） ； Southeast University（东南大学） 纠错

AI总结 UrbanAlign通过后处理方法实现VLM与人类偏好的对齐，无需修改模型权重，提升领域任务的准确性和可解释性。

Comments 26 pages

ThinkPatterns-21k: A Systematic Study on the Impact of Thinking Patterns in LLMs

ThinkPatterns-21k: 对LLMs中思维模式影响的系统研究

Pengcheng Wen, Jiaming Ji, Chi-Min Chan, Juntao Dai, Donghai Hong, Yaodong Yang, Sirui Han, Yike Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

AI总结 ThinkPatterns-21k研究了LLMs中思维模式的影响，通过系统分析发现结构化思维对小模型有益，而大模型使用结构化思维会降低性能，独白思维在各类模型中均有效。