研究提出LOWN按需视觉路由加速扩散VLM解码
热点事件持续更新
研究提出LOWN按需视觉路由加速扩散VLM解码
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
Donghyeon Cho 等研究者在 arXiv 提交论文，提出解码方法 LOWN，让 LLaDA-V 等扩散视觉语言模型按需处理图像：解码每一步自适应决定是否处理图像以及解码多少 token。实测发现去掉图像仅影响平均 22.8%、最低 7.9% 步骤的预测，LOWN 据此跳过不必要的图像处理。 论文称，无需训练或调阈值，LOWN 在十个基准上保留 LLaDA-V 得分的 99.6%，平均仅用 35.3% 的解码 FLOPs；该方法可推广到基于 LLaDA 的扩散视觉语言模型，并可与视觉 token 剪枝正交组合、配合 KV cache 进一步提效。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LOWN：按需视觉路由让 Diffusion VLM 解码更高效报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILOWN：按需视觉路由让 Diffusion VLM 解码更高效
一项研究提出解码方法 LOWN，让 LLaDA-V 等扩散视觉语言模型仅在需要时处理图像。实测发现去掉图像仅在平均 22.8%、最低 7.9% 的步骤影响预测，LLOWN 按此自适应决定是否处理图像及每步解码的 token 数。无需训练或调阈值，LLOWN 在十个基准上保留 99.6% 得分，平均仅用 35.3% 的解码 FLOPs，并可与视觉 token 剪枝和 KV cache 正交组合。
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。