ReToken：用视觉检索token提升长上下文VLM

Yao Xiao 等作者发表论文提出 ReToken，一种可学习的嵌入向量，能从视觉语言模型（VLM）的内部表示中提取检索信号，从预填充的 KV cache 中选出与查询相关的视觉 token。据论文描述，该方法无需独立的检索器，也无需重新编码。 该工作针对长上下文 VLM 场景，目标是提升模型处理大量视觉 token 时的检索效率。论文未在现有材料中给出具体实验效果或性能数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。