paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
S

Shiqixu

ACL 2026效率与系统对齐与偏好多模态
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #3/5ACL 2026Poster· Natural Language Processing

From Experts to Bases: Orthogonal Subspace Mixture for Continual Multimodal Instruction Tuning

Pei Chen · Xilai Wang · Shiqixu · Zejian Li · Lingyun Sun

摘要

Multimodal Continual Instruction Tuning (MCIT) is essential for adapting Multimodal Large Language Models (MLLMs) to dynamic data streams, yet preventing catastrophic forgetting remains a major challenge. Existing parameter-efficient approaches often face a dilemma: fixed architectures suffer fro...

效率与系统对齐与偏好多模态OpenReview 项目页

常见合作者