QA-MBG：固定预算下的视觉token贪心剪枝方法
热点事件观察中
QA-MBG：固定预算下的视觉token贪心剪枝方法
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Janghoon Cho 等研究者发布论文，提出视觉语言模型的视觉token剪枝方法 QA-MBG。该方法将通用图像理解任务的剪枝形式化为：在固定预算下为一张图像选择一个共享的视觉token子集，使其能支持关于该图像的广泛问题分布。 方法采用贪心剪枝策略，通过冻结模型并使用 teacher-forced 答案概率作为目标来估计各token的边际收益，论文报告了此类剪枝的性能上限分析。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
QA-MBG探索视觉语言模型视觉令牌剪枝的性能上限报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIQA-MBG探索视觉语言模型视觉令牌剪枝的性能上限
研究论文提出QA-MBG贪心视觉令牌剪枝方法，在固定预算下为图像选择可支持多类问题的共享令牌子集，并通过冻结模型、teacher-forced答案概率目标估计令牌边际收益。
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。