arXiv · 机器人与计算机视觉· Xiaoqian Zhang, Zhihao Zhang·· 12 小时前AI 评分36
Cross-Modal StateKV Injection 实现多 LLM 系统跨时间段的视觉 KV 通信
Cross-Modal StateKV Injection for Communication in Multi-LLM Systems across Temporal Segments
AI 导读
Cross-Modal StateKV Injection 提出一种通过视觉 token 位置的键值状态进行通信的框架,在 MLVU 和 Video-MME 数据集上相比文本通信基线实现了适度的准确率提升与更低延迟。该方案保留载体 KV-cache 长度并支持增加提供者侧帧覆盖以优化特定任务,相关代码与论文已作为预印本公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org