跳到正文
热点事件持续更新

LookAway:VLM 推理时先写笔记再隐藏视频缓存

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

论文提出 LookAway 方法,旨在解决视觉语言模型(VLM)处理长视频时持续读取关键值缓存(KV cache)的高计算开销问题。该方法让模型先在视频中写下带时间戳的笔记以记录关键信息,随后在推理过程中隐藏视频 KV Cache。 作者称,无需额外训练的情况下,LookAway 能以约 0.12-0.13 倍的建模解码成本,几乎匹配全视频思考的准确性。实验显示,对 Qwen3.6-27B 模型而言,写笔记在同等撤回步骤下比自由推理更能保持精度,且训练后的模型通常在生成 66-68 个 token 后便将视频缓存隐藏。

AI 根据报道生成 · 12 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
    Do Thinking VLMs Need to Keep Looking at Long Videos? Write It Down, Then Look Away

    论文提出了 LookAway 方法,解决视觉语言模型在处理长视频时持续读取关键值缓存(KV cache)的高计算开销问题。该方法让模型先在视频中写下带时间戳的笔记以记录关键信息,随后在推理过程中隐藏视频 KV Cache。

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。