LearnPrunerV2：可学习视觉token剪枝论文发布
热点事件持续更新
LearnPrunerV2：可学习视觉token剪枝论文发布
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Rinyoichi Takezoe 等人在 arXiv 发布论文，提出面向视觉语言模型（VLM）的完全可学习视觉 token 剪枝架构 LearnPrunerV2，该工作已被 ACM Multimedia 2026 接收。 该方法在每个 VLM 层嵌入轻量模块，融合视觉显著性与 query 相关性来估计 token 重要性，并引入 Budget-Deterministic Pruning（BDP）设定固定的每层剪枝预算。据论文所述，在 LLaVA-v1.5 上剪去 77.8% 的视觉 token 时仍保留 99.8% 的原始性能，超越此前 SOTA 方法。LearnPrunerV2 将此前的两阶段启发式框架 LearnPruner 扩展为完全可学习架构。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
LearnPrunerV2：面向视觉语言模型的可学习渐进式视觉 token 剪枝报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILearnPrunerV2：面向视觉语言模型的可学习渐进式视觉 token 剪枝
LearnPrunerV2 提出一种完全可学习的视觉 token 剪枝架构，通过在每个 VLM 层嵌入轻量模块、融合视觉显著性与 query 相关性来估计 token 重要性，并引入 Budget-Deterministic Pruning（BDP）设定固定的每层剪枝预算。在 LLaVA-v1.5 上剪去 77.8% 的视觉 token 时仍保留 99.8% 的原始性能，超越此前 SOTA 方法。
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。