cloud-edge

本文提出了一种用于资源受限农村环境中多模态临床筛查的云边协同架构，利用轻量级边缘模型生成结构化输出，再由云端大语言模型将其综合为临床摘要。在100个多模态病例上的评估显示，该混合系统在实现高准确率和事实依据性的同时，与纯云端基线相比，传输的数据量减少了数个数量级。

DSTFView是一种用于云边工作负载预测的双输入时空频多视角框架，联合建模邻近性和周期依赖关系，并采用自适应融合机制捕获突变。

CoMIC 是一种面向大语言模型代理的云边框架，通过协作记忆和洞察循环提升长时任务性能，无需参数更新，在多个任务中实现进度率和动作依据的提升。

INAR-VL 提出了一种轻量级路由系统，用于边缘-云端视觉语言推理。该系统根据查询复杂度动态选择边缘或云端模型，在保持接近云端准确率的同时，显著降低延迟和能耗。