跳到正文
掘金· lucas_AI·· 3 小时前AI 评分56

Bifocal:视觉 token 砍掉 75% 问答没事,一碰 OCR 就翻车——单一重要性分数的锅

AI 导读

论文把十种代表性视觉 token 剪枝方法放到三个多模态模型系列上复测,发现通用问答近乎无损的同时,OCR 与视觉定位大面积崩坏,保留九成通用成绩时定位成绩可只剩不到一成半。

来源:掘金 · juejin.cn