CGCMA: Conditionally-Gated Cross-Modal Attention for Event-Conditioned Asynchronous Fusion

Cet article étudie l'alignement asynchrone dans l'apprentissage multimodal, où un flux primaire dense doit être fusionné avec un contexte externe sporadique, exigeant que les modèles raisonnent explicitement sur la fraîcheur et la confiance. Il propose CGCMA (Conditionally-Gated Cross-Modal Attention), un modèle qui sépare l'ancrage conditionné par le texte du contrôle de confiance sensible au décalage, testé sur les marchés de cryptomonnaies.