SAVER：样本感知视觉token压缩框架

2026年10月14日，arXiv Artificial Intelligence 刊出 Yihang Huang 等人的研究，提出免训练的 SAVER 框架，用于样本感知的视觉 token 压缩。该工作针对视觉 token 压缩中相关性-多样性权重被当作固定常数的问题，从文本相关 token 的空间集中度推导几何意图先验（GIP），为每个样本推断专属权重，并结合加权文本质心（WTC）与视觉边缘覆盖增益（VMCG）联合选取 token。报道称 SAVER 为免训练框架，其权重按样本推断，而非全局固定。目前公开信息仅来自该篇报道，尚无后续跟进报道，事件进展以该框架的提出为最新节点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。