SAVER：样本感知视觉token压缩框架
热点事件持续更新
SAVER：样本感知视觉token压缩框架
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
研究者提出 SAVER，一个无需额外训练的样本感知视觉 token 压缩框架，通过 Geometric Intent Prior 为每个样本推断专属的相关性-多样性权重，并用 WTC 与 VMCG 联合选 token。 据论文，在 LLaVA-1.5-7B 上仅保留 11.1% 视觉 token 即达到全模型 96.5% 的性能，并泛化到 LLaVA-NeXT 与 Mini-Gemini。该结果为论文自述，尚待独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
当 1+1 失效：重新思考视觉 token 压缩中的相关性-多样性平衡报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI当 1+1 失效：重新思考视觉 token 压缩中的相关性-多样性平衡
研究者提出 SAVER，一个无需额外训练的样本感知视觉 token 压缩框架，通过 Geometric Intent Prior（GIP）为每个样本推断专属的相关性-多样性权重，并用 WTC 与 VMCG 联合选 token。在 LLaVA-1.5-7B 上仅保留 11.1% 视觉 token 即达到全模型 96.5% 的性能，并泛化到 LLaVA-NeXT 与 Mini-Gemini。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。