标签
本文介绍了针对基于智能手机的口腔癌筛查的优化轻量级深度学习模型，通过使用多样化的多中心数据集，在实现高性能的同时保持了可解释性和鲁棒性。
本研究介绍了BudgetDoc，第一个用于评估文档任务中模型-预算-性能权衡的多模态基准，并开发了DRB，一种轻量级估计器，用于预测推理性能以优化计算分配并降低LLMs成本。
本文介绍了AFANet，一个用于多智能体系统中智能体故障归因的轻量级基于图的框架，它在性能上匹配或超越基于LLM的方法，同时计算成本显著降低。
本文介绍了AMRD，一种自适应多教师关系蒸馏方法，用于将大型自监督语音情感识别模型压缩为面向边缘设备的轻量级学生模型。它解决了教师可靠性变化和关系结构丢失的问题，在IEMOCAP和CREMA-D数据集上展示了改进。
中国AI模型正迅速追赶西方竞争对手，部分原因是海量数据以及芯片禁令催生了针对开源部署的轻量高效模型创新。
本文研究了用于工业物联网入侵检测的轻量级机器学习模型的跨域泛化失败，发现它们依赖于粗糙的端口特征，并且对抗鲁棒性与跨网络性能无关。
一位 Reddit 用户探讨了小规模本地语言模型（1B-4B 参数）在自动化和脚本编写方面的潜力，并询问了专注于这一应用场景的资源。
UI-KOBE 提出了一种框架，通过构建和利用特定应用的知识图谱来增强轻量级移动GUI代理，从而提高任务规划和执行效率。
开发者寻求在不依赖大模型的情况下对英-印混写文本进行分类的建议，因为句子变换器在处理罗马化印地语时完全失效。
Google 推出了 Gemma 3，这是一套轻量级开源模型集合（1B、4B、12B、27B），设计用于在单个 GPU 或 TPU 上运行，支持 140+ 种语言、128k 上下文窗口和多模态功能。这些模型在保持高效性能的同时，性能超越了 Llama 3 和 DeepSeek-V3 等更大的竞品，适合边缘设备部署。