在信息时代，FOLO和语鲸等信息聚合工具帮助用户重新掌握信息选择权。FOLO支持多平台订阅，整合信息源，提高阅读效率；语鲸利用AI提炼内容，打破公众号封闭生态，帮助用户高效管理信息。两者结合，助力用户构建清晰的知识体系。

本研究提出了一种新型图神经网络模型GRAIN，旨在解决异质图任务中的信息聚合不足问题。GRAIN通过多粒度聚合和考虑隐式关系，显著提升了节点表征质量，实验证明其在多个数据集上优于12种先进模型。

本研究提出ReAgent框架，解决多跳问答中的推理错误累积问题。通过回溯机制和信息聚合，该系统有效检测并纠正推理错误，性能提升约6%。

本研究提出了一种带有分层意见聚合的广义可信多视角分类框架，解决了视角间聚合忽视视角内信息的问题，显著提升了视角质量，展现出超越现有方法的潜力。

本文证明了自注意力结构足以实现信息聚合，无需进行结构适应以及对于目标跟踪提取辨别特征和增强目标和搜索图像之间的通信。通过采用基本的视觉 Transformer（ViT）架构作为主跟踪器，并将模板和搜索图像进行特征嵌入，进而提出了一种紧凑的变换跟踪器。该跟踪器仅由一个 ViT 主干和一个框头组成，可以以每秒 40 帧的速度运行，并在多个测试数据集上实现了最先进的跟踪效果。

本文证明了自注意力结构足以实现信息聚合，无需进行结构适应以及对于目标跟踪提取辨别特征和增强目标和搜索图像之间的通信。通过采用基本的视觉 Transformer（ViT）架构作为主跟踪器，并将模板和搜索图像进行特征嵌入，进而提出了一种紧凑的变换跟踪器。该跟踪器仅由一个 ViT 主干和一个框头组成，可以以每秒 40 帧的速度运行，并在多个测试数据集上实现了最先进的跟踪效果。