少样本检测迷因
通过通用与专用专家协同及语义聚类，在极少标注样本下实现比现有方法更优的跨模态有害迷因识别。
Zou, Li · Liao, Jinzhi · Jiting, Li · 王戟 · 赵翔
Information Fusion 2026
通过语义聚类和专家分工，在极低数据场景下仍能显著优于现有方法，降低对大量标注的依赖。
通过语义聚类将异构源数据分区，避免不相关样本相互干扰，提升知识共享效率。
框架同时引入共享专家和专用专家，既保留通用知识，又对特定语义簇进行专业化适配，实现高效参数更新。