论文提出以度量输运刻画视觉文本压缩并给出免标签路由规则

Lv Tang 等在 arXiv 发布论文，将视觉文本压缩（VTC）形式化为测量传输问题，把视觉编码造成的信息损失分解为 patch 内聚合的精度成本与 patch 间碎片化的覆盖成本。基于这两个可估计成本，作者提出无需标签的路由规则和按区域高分辨率重编码机制。 据论文摘要，在 Qwen3-4B 模型的 24 个 NLP 数据集上，该免标签规则在 17/24 个数据集上匹配逐数据集 oracle（70.8%），相对纯 LLM 平均任务分数提高 3.3%，平均 token 减少 10.3%。上述结果基于论文摘要，尚未核验全文。

AI 根据报道生成 · 11 小时前更新