DIPrune：多模态模型免训练token剪枝新框架

Shuo Yang等作者提交论文预印本，提出名为DIPrune的多模态大语言模型token剪枝框架。该框架无需训练，采用基于排序的双重要性评分机制，同时考虑层内静态特征显著性与层间动态语义演化，并将剪枝建模为最终任务损失失真最小化问题，作者称其中揭示了一个此前被忽视的跨层梯度项。 在LLaVA和Qwen-VL上的实验中，DIPrune持续取得SOTA结果。上述效果来自论文自述，尚待独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。