MiCo：免训练视觉token剪枝方法

2026年10月16日，Tinghao Wang等作者在arXiv Computer Vision发布论文，提出免训练两阶段视觉token剪枝方法MiCo。据该报道，MiCo借助语义擦除模型，从任务log-loss推导出通用的互信息覆盖目标；其流程为先在视觉token进入语言模型前筛选候选池，再做任务感知的子集选择。报道称，MiCo在参数规模7B至13B的多种MLLM上、覆盖通用视觉推理、细粒度OCR与定位、幻觉检测及长视频理解等图像与视频基准进行了评估；在LLaVA-NEXT-13B上，MiCo仅使用5.6%的视觉token，保留基线性能的97.5%，并实现3.8倍推理加速。报道还称代码已公开。上述性能数字与适用范围均来自该论文报道，尚未见其他独立来源跟进。

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。