视觉语言模型 / CVPR2026
PAS:视频大语言模型时序编码的免训练稳定器
PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs
对做视频 LLM 的人,这是一个即插即用的推理期补丁:不改结构、不重训,只在各注意力头上加相反相位偏移再聚合,就能让多模态 RoPE 的时序核变平滑、注意力对帧时序抖动更稳;可直接套到任意用 3D RoPE 的视频 LLM 上提升时序鲁棒性。
旋转位置编码时序位置编码免训练推理增强