BLEND：平衡联邦视觉语言模型个性化与泛化

2026年10月12日，arXiv cs.CV 刊出论文，提出面向联邦视觉语言模型（FedVLMs）的新框架 BLEND，目标是在联邦学习场景下同时提升个性化与泛化能力。据该报道，BLEND 的做法是对 VLM 参数做选择性微调与聚合：客户端共享全局的视觉 adapter 与文本 adapter，同时各自保留个性化的视觉投影 adapter；此外设计了混合二者输出的新损失函数，并引入零样本 VLM 投影头 anchor 设计，以兼顾泛化。实验方面，报道称 BLEND 持续优于 SOTA 基线。论文已被 NeurIPS 2026 接收。目前该事件仅有这一篇报道，尚无更多进展或不同说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。