跳到正文
arXiv · 机器人与计算机视觉· Tianjun Shi, Haotian Xiong, Ziyu Gong, Qi Lu, Li Li·· 2026-10-06精选AI 评分82

SAPrune:面向高效 VLA 推理的阶段感知视觉 Token 剪枝框架

When and What to Prune? Stage-Aware Visual Token Pruning for Efficient VLA

AI 导读

针对视觉语言动作模型(VLA)推理中需处理大量视觉 Token 的问题,本文提出 SAPrune,一种无需训练的视觉 Token 剪枝框架。不同于固定层数剪枝策略,SAPrune 利用小校准集观察跨层的动作到视觉注意力变化,仅在注意力模式可靠时选择剪枝层,并采用双路径规则保护强关注 Token 及有用上下文。

推荐理由

提出无需训练的 SAPrune 框架,通过观察注意力模式动态选择剪枝层,在 LIBERO 等基准上实现 87.5% 视觉 Token 剪枝与 1.718 倍推理加速。

来源:arXiv · 机器人与计算机视觉 · arxiv.org