提出AdaptToken——一种无需训练的熵驱动自适应视频token选择框架,利用MLLM的响应熵全局分配token预算并支持早期停止,显著提升长视频理解准确率(如在Qwen2.5-VL 7B上平均+6.7),同时AdaptToken-Lite将推理时间减半且性能相当。
机构:Microsoft
来源:arXiv 2603.28696 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程