跳到正文
热点事件持续更新

CanopyKV 框架发布:基于父子裁剪关系实现高效主动视觉推理

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

2026 年 11 月,研究人员在 arXiv 发表论文介绍 CanopyKV,这是一种无需训练的 KV 缓存压缩框架。该方法利用父子裁剪关系区分被替换证据与未来探索所需的互补信息,旨在解决主动视觉推理中因累积裁剪导致的显存膨胀问题。 论文称,CanopyKV 在 VisualProbe、V*、HR-Bench 和 MME-Lite 等基准测试中实现了最先进的答案准确率和端到端效率。特别是在 MME-Lite 任务上,该方法仅保留 Dense 方法约四分之一的 KV 缓存,同时将准确率提升了 10.5 个百分点,并将完整推理速度加速了 1.64 倍。

AI 根据报道生成 · 11 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
    CanopyKV:超越局部裁剪的快速主动视觉推理记忆方法

    论文介绍 CanopyKV,一种无需训练的 KV 缓存压缩框架,旨在解决主动视觉推理中因累积裁剪和推理 token 导致的显存膨胀问题。该方法利用父子裁剪关系区分被替换证据与未来探索所需的互补信息,通过工具元数据提供保留信号并减少后续注意力成本。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 16:00
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。