arXiv · 机器人与计算机视觉· Yao Xiao, Reuben Tan, Zhen Zhu, Yuqun Wu, Jianfeng Gao, Derek Hoiem·· 2026-10-08AI 评分42
ReToken:利用视觉检索 Token 提升长上下文 VLM 性能
ReToken: Improving Long-Context VLMs with Visual Retrieval Token
AI 导读
ReToken 是一种单学习嵌入,能从预填充 KV Cache 中提取检索信号以选择查询相关的视觉 Token,无需独立检索器或重编码。该模型在仅小数据集训练下,于 Visual Haystacks 使 Qwen3VL-8B 提升 13.4 分、InternVL3.5 提升 12.4 分(相对超 20%),并在 LVBench 上实现零样本长视频迁移。
来源:arXiv · 机器人与计算机视觉 · arxiv.org