跳到正文
热点事件持续更新

MoMoVL 框架发布,实现端侧视觉语言模型自适应压缩

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

Dongkeun Lee 和 Wonjun Lee 提出 MoMoVL 框架,旨在解决混合专家架构视觉语言模型的端侧部署问题。该框架通过联合分析专家激活分布与模态量化敏感度来优化位宽分配。实验表明,相比均匀精度基线,该方法在保持准确率的同时,将内存占用最高降低了 15.44%,改善了端侧推理的精度 - 压缩权衡。相关代码与数据已公开,论文被 WSDM 2027 Findings 接收。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    MoMoVL:面向端侧稀疏激活视觉语言模型的模态感知自适应压缩框架

    MoMoVL 提出一种针对混合专家架构视觉语言模型的模态感知自适应压缩框架,通过联合利用专家激活分布与模态量化敏感度优化位宽分配。实验显示该方法相比均匀精度基线降低内存占用最高 15.44%,在保持准确率的同时改善端侧推理的精度 - 压缩权衡。代码与数据已公开,论文被 WSDM 2027 Findings 接收。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。