ReToken用单嵌入检索视觉Token
热点事件观察中
ReToken用单嵌入检索视觉Token
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yao Xiao等在arXiv提出ReToken，以单个可学习嵌入从视觉语言模型预填充的KV缓存中选择与查询相关的视觉Token，无需独立检索器或重新编码。 论文称，该方法仅用小型图像问答集训练，便可泛化至图像和视频任务；在Visual Haystacks上使Qwen3VL-8B和InternVL3.5分别提高13.4和12.4分，并以零样本方式在长视频LVBench上使Qwen3VL-8B提高8.0分。作者还报告，其训练和长视频推理均可在一张H100上完成。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
ReToken：用视觉检索token提升视觉语言模型的长上下文能力报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · cs.AIReToken：用视觉检索token提升视觉语言模型的长上下文能力
Yao Xiao等提出ReToken，通过单个可学习嵌入从视觉语言模型预填充的KV缓存中提取检索信号，在回答模型内部选择与查询相关的视觉token，无需独立检索器或重新编码。
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。