本文介绍了针对大型语言模型（LLM）处理长上下文的创新方法，包括LongMem框架、LongLoRA微调技术和CacheGen特征压缩。这些方法通过优化计算成本和上下文处理，显著提升了模型在长文本生成任务中的性能，降低了延迟和带宽使用。同时，研究探讨了预训练设计选择对模型性能的影响，展示了在长上下文任务中的有效性和效率。

本文综述机器视觉视频编码（VCM）进展，提出多尺度特征压缩、光流视频压缩、NN-VVC混合编解码器、可扩展编码及EDIC图像压缩等框架，兼顾人机视觉，在检测、PSNR、MS-SSIM上优于H.264/H.265/VVC，节省比特率并提升解码速度。

该文汇总多项研究，涵盖光照不变二进制描述符IIB提升恶劣光照定位、反问题方法重构图像、深度学习分层实时定位、语义匹配与CNN城市定位、BiDet二值网络目标检测、视觉辅助监控视频自动标注（ORB、GMS、局部自适应聚类抑制标签漂移）、多视角BEV知识蒸馏、度量学习局部描述符、描述符权重解决特征干扰、二进制嵌入压缩检索向量节省索引成本。