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

Yuxiang Huang

ACL 2026CVPR 2026ICLR 2026多模态效率与系统可解释性长上下文与架构
新星分新星
70
一作贡献30
核心/参与10
方向广度14
合作网络12
1 一作 · 3 篇 · ACL 2026 / CVPR 2026 / ICLR 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

3
作者位次 #9/34CVPR 2026Poster· Computer Vision & Pattern Recognition

MiniCPM-V 4.5: Cooking Efficient MLLMs via Architecture, Data, and Training Recipe

Tianyu Yu · Zefan Wang · Chongyi Wang · Fuwei Huang · Wenshuo Ma · Zhihui He · Tianchi Cai · Weize Chen · Yuxiang Huang · Ranchi Zhao · Bokai Xu · Junbo Cui · Yingjing Xu · Liqing Ruan · Luoyuan Zhang · Hanyu Liu · Jingkun Tang · Hongyuan Liu · Qining Guo · Wenhao Hu · Bingxiang He · Jie Zhou · Jie Cai · Ji Qi · Zonghao Guo · Chi Chen · Guoyang Zeng · Yuxuan Li · Ganqu Cui · Ning Ding · Xu Han · Yuan Yao · Zhiyuan Liu · Maosong Sun

多模态效率与系统长上下文与架构OpenReview 项目页
一作ACL 2026Poster· Natural Language Processing

APB - V : Accelerating Long-Video Understanding via Sequence-Parallelism-aware Approximate Attention

Yuxiang Huang · Mingye Li · Xu Han · Chaojun Xiao · Weilin Zhao · Ao Sun · Ziqi Yuan · Hao Zhou · Fandong Meng · Zhiyuan Liu

摘要

The efficiency of long-video inference remains a critical bottleneck, mainly due to the dense computation in the prefill stage of Large Multimodal Models (LMMs). Existing methods either compress visual embeddings or apply sparse attention on a single GPU, yielding limited acceleration or degraded...

多模态效率与系统OpenReview 项目页

常见合作者