ERASE：两阶段视觉Token剪枝框架
热点事件持续更新
ERASE：两阶段视觉Token剪枝框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yuna Lee 等作者提出 ERASE，一个自适应两阶段视觉 Token 剪枝框架，把图像级冗余去除与依赖指令的 Token 剪枝分开：第一阶段依据轻量原始图像统计确定保留哪些 Token，第二阶段在解码器各层逐步移除与指令无关的 Token。 据该研究，在 Qwen2.5-VL-7B 上，ERASE 仅保留 25% Token 时仍保持原模型 95.70% 的准确率，代码已开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
ERASE：用自适应两阶段 Token 剪枝消除冗余视觉 Token报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.CVERASE：用自适应两阶段 Token 剪枝消除冗余视觉 Token
ERASE 是一个自适应两阶段视觉 Token 剪枝框架，将图像级冗余去除与依赖指令的 Token 剪枝分离：第一阶段基于轻量原始图像统计得出保留 Token，第二阶段在解码器各层逐步移除与指令无关的 Token。在 Qwen2.5-VL-7B 上，ERASE 在保留 25% Token 时仍保持原模型 95.70% 的准确率，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。