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