PACE：面向原生MLLM的视觉token压缩框架
热点事件持续更新
PACE：面向原生MLLM的视觉token压缩框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
PACE论文作者提出PACE（Pareto-Adaptive Compression for Efficient Native MLLMs），称这是首个针对采用Multimodal-RoPE的ViT-free原生多模态大语言模型的视觉token压缩框架。该框架沿高度和宽度两个方向解耦注意力以估计token重要性，并把token预算分配建模为Pareto优化问题。 论文实验显示，在仅保留25%–50%视觉token时，PACE可保持接近无损的性能，部分基准测试甚至有所提升，同时计算量（FLOPs）减少超过2倍。
AI 根据报道生成 · 46 分钟前更新
最新进展10月31日 12:00
PACE：面向高效原生 MLLM 的 Pareto 自适应视觉 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31日
- arXiv cs.AIPACE：面向高效原生 MLLM 的 Pareto 自适应视觉 token 压缩框架
研究者提出 PACE，首个面向采用 Multimodal-RoPE 的 ViT-free 原生多模态大语言模型的视觉 token 压缩框架。PACE 沿高度与宽度两个方向解耦注意力估计 token 重要性，并将 token 预算分配建模为 Pareto 优化。
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。