GHM-损失

EvoComp：通过语义引导的进化标注为多模态大语言模型学习视觉词元压缩

EvoComp: Learning Visual Token Compression for Multimodal Large Language Models via Semantic-Guided Evolutionary Labeling

为 MLLM 的视觉词元压缩提供了一套可复用的监督信号构造范式：用进化搜索在输出损失最小化目标下自动标注应保留的词元子集，再以轻量 encoder-only 压缩器学习该选择策略，可直接迁移到高分辨率、多图或视频输入下的视觉词元剪枝与加速。