多轮视觉问答

重新思考大视觉语言模型的词元缩减

Rethinking Token Reduction for Large Vision-Language Models

将词元缩减从启发式剪枝/合并转为可学习的压缩映射，并针对多轮VQA中后续问题未知的设定设计提示词无关的压缩器，为LVLM推理加速提供可复用训练范式。