深度分析
Granite 4.0 3B Vision：以 ChartNet、DeepStack 與 LoRA 加速企業文件視覺語言理解
IBM推出的Granite4.03BVision專為企業文件理解設計。它結合ChartNet合成資料、DeepStack視覺注入與LoRA模組化佈署，強化圖表、表格與語義鍵值擷取能力。模型在多項圖表與表格基準上達到領先或接近領先的成績，便於整合至文件處理流水線。
LoRA
深度分析
TiTok — 基於 token 級對比過量的 LoRA 跨模型移植方法
大型語言模型精調成本高昂，本研究提出TiTok以代替傳統資料依賴的KD方法。TiTok透過源模型帶與不帶LoRA的預測對比，計算token級別的“過量差異”，以挑選合成樣本與關鍵token進行訓練。實驗顯示TiTok在多種轉移場景下整體優於現有方法，提升穩定性與效率。
多模態大型語言模型
MLLM-SR：結合 SetTransformer 與 LoRA 的多模態符號回歸
符號回歸旨在從觀測資料萃取可解釋的數學表達式，但傳統方法難以以自然語言直接納入專家先驗。
速報
MindLab Toolkit（MinT）：以 LoRA 為核心的千級策略管理與在線服務平台
背景：在少量昂貴基礎模型與大量衍生策略的情境下，MinT以LoRA adapter為單位管理策略生命周期。做法：維持基礎模型常駐、以匯出adapter進行rollout、更新、評估與回滾，並沿Scale Up（支援1T級密集與MoE）、Scale Down（僅移動小型adapter以降低步驟量）與Scale Out（將耐久可位址性與CPU/GPU工作集分離）三軸擴展。結果：MinT實現百萬級策略目錄管理與千級活躍adapter波次，並在共享大模型上訓練與部署選定修訂。
深度分析
raFLoRA：以秩分區聚合修正聯邦 LoRA 的秩崩潰並提升非IID情境效能
聯邦低秩調適（FedLoRA）為大模型在分散私有資料上微調提供通訊與隱私優勢，但實務環境下客戶端在計算、記憶與資料分布上存在異質，導致不同客戶端採用不同的LoRA秩。本文揭示在異秩設置下常見的「秩崩潰」現象──全球更新的能量逐步集中在最小共用秩，造成高秩方向被逐輪稀釋而降低整體表現。
深度分析
Gate-and-Merge：以模組化 LoRA 與門控合併實現視覺語言模型的零次個人化
本研究提出Gate-and-Merge，一套針對視覺語言模型（VLM）進行組合化個人化的零次學習框架。每個使用者自定義概念以輕量化LoRA適配器與專屬概念token獨立學習，基底模型保持凍結。推論時透過門控機制估計文本與視覺線索，選擇性啟動相關模組，並在權重空間合併經稀疏化與符號一致性的更新以抑制干擾。
ECoG
CORTEG：將 EEG foundation model 跨模態轉移至 ECoG，結合 KNNSoftFourier 與 LoRA 提升跨受試者泛化
在資料稀少下，研究探討把預訓練頭皮 EEG 模型轉移至侵入性 ECoG 的可行性。CORTEG 結合 EEG backbone、KNNSoftFourier 電極空間適配器與低頻/高γ 雙流 token 化，並採 LOO 微調快速校準。結果在兩項 ECoG 迴歸任務上達到競爭或更佳平均皮爾森相關，且能在單 GPU 用 10–30 分鐘校準新病人。
深度分析
Granite 4.0 3B Vision：ChartNet、DeepStack 與 LoRA 驅動的企業級文件多模態引擎
IBM發布Granite4.03BVision，針對企業文件視覺語言理解優化。它以ChartNet合成圖表資料、DeepStack分層視覺注入與LoRA模組化設計為核心，提升表格、圖表與語義鍵值抽取能力。基準測試顯示在圖表與表格抽取上表現優異，便於整合Docling構建端到端文件處理流程。
深度分析
GOAT：以API依賴圖與合成資料自動訓練目標導向代理
在缺乏人工標註資料的情境下，GOAT提出一套自動化訓練流程，直接以目標系統的API文件為原料，構建具互依性的API依賴圖，並抽樣執行可行子圖來生成目標導向任務的合成訓練資料。核心流程包含文件解析、相似度過濾、LLM語意驗證與實際API執行檢核，最後聯合微調語言模型與密集檢索器。
深度分析
REALM：以 LoRA 將事件相機特徵對齊至影像基礎模型的潛在流形
REALM提出一套跨模態視覺編碼器，將事件相機輸出的稀疏非同步事件流映射到已預訓練的RGB基礎模型（如DUNE）的潛在流形。方法在輸入端加入輕量的事件嵌入器，並以LoRA（低秩適配）最小化修改主幹，保留動態場景的語義與幾何先驗。這使得原本專為影像訓練的線性頭與複雜解碼器（例如MASt3R）能夠直接在事件資料上零次應用。
深度分析
RoundPipe：針對消費者級 GPU 的管線平行排程新技術
隨著LLM微調需求激增，消費者等級GPU受限於記憶體與PCIe頻寬。RoundPipe以無狀態工作者池和輪詢分派方式，突破重量綁定問題，實現近零氣泡管線。實驗顯示在8×RTX4090上可提升1.5至2.2倍吞吐，並支援在單卡上微調235B模型。此技術也為小型團隊打開了大模型訓練的大門
深度分析
Granite 4.0 3B Vision：結合 LoRA 與 DeepStack 的企業文件視覺語言模型突破
IBM推出的Granite4.03BVision為企業文件提供緊湊的視覺語言模型，透過ChartNet合成圖表資料集、DeepStack視覺特徵注入與LoRA模組化設計，提升表格、圖表與鍵值抽取精度，並在多項基準測試中領先同類模型，在企業AI流程中顯著提升效率。