arXiv · cs.AI· Tinghao Wang, Yichen Guo, Rui Huang, Junchi Yao, Qizhe Zhang, Zheng Lu, Yuan Zhang, Jiajun Cao, Zhirong Shen, Yaosong Du, Lijie Hu, Shanghang Zhang·· 6 小时前
TOPS通过构建Token最优保留集实现多模态大模型高效推理
TOPS: First-Principles Visual Token Pruning via Constructing Token Optimal Preservation Sets for Efficient MLLM Inference
arXiv:2606.27161v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tinghao Wang, Yichen Guo, Rui Huang, Junchi Yao, Qizhe Zhang, Zheng Lu, Yuan Zhang, Jiajun Cao, Zhirong Shen, Yaosong Du, Lijie Hu, Shanghang Zhang
研究任务与主要进展
研究提出无需训练且与模型无关的TOPS视觉令牌剪枝模块，将令牌选择形式化为构建Token最优保留集，并依据任务相关性、信息覆盖和语义多样性进行筛选。作者在7个MLLM骨干和14个基准上报告TOPS优于既有方法；在LLaVA-NeXT上，TOPS移除77.8%的视觉令牌后，7B和13B模型分别保留100.0%和100.6%的性能。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org