PACE：面向原生MLLM的视觉token压缩框架，保留25%-50% token实现超2倍FLOPs降低
热点事件观察中
PACE：面向原生MLLM的视觉token压缩框架，保留25%-50% token实现超2倍FLOPs降低
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Lei Tian等作者提出PACE（Pareto-Adaptive Compression for Efficient Native MLLMs），据论文摘要称这是首个针对采用Multimodal-RoPE的原生多模态大模型（ViT-free）设计的视觉token压缩框架。方法将注意力沿图像高度和宽度分解以估计空间显著性，并通过Pareto优化确定压缩深度和保留比例。 基于论文摘要，实验显示PACE在仅保留25%—50%视觉token时保持近无损表现，部分基准还有提升，同时实现超过2倍的FLOPs降低。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
PACE：面向原生多模态大模型的高效视觉Token压缩框架报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIPACE：面向原生多模态大模型的高效视觉Token压缩框架
作者提出PACE，一种面向原生多模态大模型、结合Multimodal-RoPE的视觉Token压缩框架。方法将注意力分解为沿图像高度和宽度的空间显著性估计，并通过Pareto优化确定压缩深度和保留比例；基于论文摘要，实验在保留25%—50%视觉Token时保持近无损表现，部分基准提升，同时实现超过2倍的FLOPs降低。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- -49%
0246
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。