ReToken：用视觉检索token提升长上下文VLM

Yao Xiao等作者发表论文提出ReToken，一种可学习的嵌入向量，能从视觉语言模型（VLM）的内部表示中提取检索信号，在预填充的KV cache中选出与查询相关的视觉token，据论文称无需独立检索器或重新编码。 该方法的适用对象与效果均限于论文所述范围，尚无论文之外验证其实际性能的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。