Don't Send What You Don't Need: Question-Guided Token Pruning as a Privacy Defense for Vision-Language Models
为了解决视觉-语言模型在隐私敏感和带宽受限环境下的隐私保护问题，提出了一种基于问题引导的令牌修剪框架QPriv-VL，通过动态阈值预测器选择性地传输视觉令牌。
0 citationsRead paper
Selected work
Representative Papers
LLM-Based Schema-Aware Split Learning for Privacy-Preserving Mental Distress Prediction Across Heterogeneous Surveys
为解决隐私保护和异构调查数据集成问题，提出基于大语言模型的模式感知分裂学习框架，用于精神压力预测。
0 citationsRead paper
Carbon-Aware Routing for Function Calling in Edge-Cloud LLM Systems
为减少大语言模型功能调用中的能耗和碳排放，提出一种基于边缘-云架构的碳感知路由框架，利用k-NN预测器估计各层性能并结合实时电网碳强度进行优化调度。
0 citationsRead paper
USPLIT-VQA: U-Shaped Split Learning for Visual Question Answering with Contribution-Aware Weighted Aggregation
为解决视觉问答系统中的隐私问题，提出USPLIT-VQA框架与贡献感知加权聚合方法，保留客户端数据隐私同时提高模型性能。
0 citationsRead paper
FractalNet-Based Heterogeneous Federated Learning for Orbital Edge Intelligence in Satellite Mega-Constellations: A Wildfire Case Study
提出基于FractalNet架构的异构联邦学习方法，解决卫星巨型星座中因SWAP-C等差异导致的学习架构不适应问题，应用于野火检测。
0 citationsRead paper
Recent publications
Latest Papers
Don't Send What You Don't Need: Question-Guided Token Pruning as a Privacy Defense for Vision-Language Models
为了解决视觉-语言模型在隐私敏感和带宽受限环境下的隐私保护问题，提出了一种基于问题引导的令牌修剪框架QPriv-VL，通过动态阈值预测器选择性地传输视觉令牌。
0 citationsRead paper
LLM-Based Schema-Aware Split Learning for Privacy-Preserving Mental Distress Prediction Across Heterogeneous Surveys
为解决隐私保护和异构调查数据集成问题，提出基于大语言模型的模式感知分裂学习框架，用于精神压力预测。
0 citationsRead paper
Carbon-Aware Routing for Function Calling in Edge-Cloud LLM Systems
为减少大语言模型功能调用中的能耗和碳排放，提出一种基于边缘-云架构的碳感知路由框架，利用k-NN预测器估计各层性能并结合实时电网碳强度进行优化调度。
0 citationsRead paper
USPLIT-VQA: U-Shaped Split Learning for Visual Question Answering with Contribution-Aware Weighted Aggregation
为解决视觉问答系统中的隐私问题，提出USPLIT-VQA框架与贡献感知加权聚合方法，保留客户端数据隐私同时提高模型性能。
0 citationsRead paper
FractalNet-Based Heterogeneous Federated Learning for Orbital Edge Intelligence in Satellite Mega-Constellations: A Wildfire Case Study
提出基于FractalNet架构的异构联邦学习方法，解决卫星巨型星座中因SWAP-C等差异导致的学习架构不适应问题，应用于野火检测。
0 citationsRead paper