Songyang Zhang

UFed-GAN ermöglicht das Lernen aus Daten, während die Privatsphäre gewahrt bleibt und der Rechenaufwand minimiert wird.

Hier ist PFL-GAN: eine massgeschneiderte Lösung für die Variabilität von Kunden im föderierten Lernen.

Neue Methoden und Herausforderungen bei der Generierung von Szenengraphen erkunden, um die Bildanalyse zu verbessern.

Ein Blick darauf, wie BD-ROHC und RL die Effizienz der Datenübertragung steigern.

CHARM bewertet, wie gut LLMs in globalen und chinesischen Kontexten argumentieren.

Ein neues Framework verwandelt die Bildinterpretation durch offene Vokabular-Szenengraphen.

MathBench bewertet die Mathefähigkeiten von LLMs in verschiedenen Bildungsstufen.

FedSC verbessert das Modelltraining und schützt dabei die Privatsphäre der Nutzer im föderierten Lernen.

InternLM-Law verbessert die Antworten auf diverse chinesische Rechtsfragen mit fortgeschrittener Ausbildung.

Ein Rahmen, um die Fähigkeiten von LLMs bei datenbezogenen Aufgaben mit Code-Interpretern zu bewerten.

Verbesserung der Echtzeitkommunikation durch neue Staukontrollmethoden.

Die Art und Weise, wie Geräte kommunizieren, revolutionieren, indem wir uns auf die wichtigen Infos konzentrieren.

Erfahre mehr über den Einfluss von DualGFL auf Datenschutz und Effizienz.

Entdecke, wie LaMI-GO die Kommunikation verändert, indem es sich auf die Bedürfnisse der Nutzer konzentriert.