LoopZip 算法发布:循环视觉语言模型的免训练 Token 压缩方法
热点事件持续更新
LoopZip 算法发布:循环视觉语言模型的免训练 Token 压缩方法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
研究人员提出并公开了 LoopZip,这是一种无需训练的视觉 Token 压缩算法,旨在解决循环视觉语言模型(VLM)处理长序列时的高计算与显存开销问题。 该算法通过构建紧凑候选池、跨调用选择及权重绑定值修正来保留关键信息。实验显示,在开源模型 LoopVL-1B 上,50% 剪枝比下性能保留原模型的 97.16%,87.5% 剪枝比下超越最强基线 5.36%,同时显存占用降低约 58%,推理速度提升 2.01-2.47 倍。
AI 根据报道生成 · 11 小时前更新
最新进展11月18日 13:00
LoopZip:面向高效循环视觉语言模型的视觉 Token 压缩算法报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉LoopZip:面向高效循环视觉语言模型的视觉 Token 压缩算法
针对循环视觉语言模型(VLM)重复处理长序列导致的计算与显存开销问题,论文提出免训练的 LoopZip 压缩算法。该方法通过构建紧凑候选池、跨调用选择及权重绑定值修正,有效保留关键信息并减少输出偏差。实验表明,在 LoopVL-1B 上,50% 剪枝比下保留原模型 97.16% 性能,87.5% 剪枝比下超越最强基线 5.36%,显存占用降低约 58%,端到端推理速度提升 2.01-2.47 倍。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
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。