LapMerge 推出线性时间令牌合并技术，用于 AI 模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员推出 LapMerge，这是一种新颖的可微分算子，旨在高效地缩减现代视觉和语言模型中的令牌序列。该方法通过基于拉普拉斯核学习到的质量分布，将序列划分为固定数量的段，从而解决了信息丢失和计算成本之间的权衡。LapMerge 在前向和后向传播中均实现了线性时间复杂度，允许在不重新训练的情况下动态调整预算，并提供令牌级别的分配图。在视觉和视觉-语言任务上进行测试，LapMerge 在性能上匹配或超越了现有的令牌缩减器，同时速度显著更快，尤其是在令牌顺序至关重要的长序列上。 AI

影响 LapMerge 为处理视觉和语言模型中的长序列提供了显著的加速，有望降低计算成本并支持新应用。

排序理由该集群包含一篇详细介绍 AI 模型中令牌合并新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍 AI 模型中令牌合并新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 Deutsch(DE) · Magdalena Tr\k{e}dowicz, Aleksandra Nowak, Tomasz Steifer, {\L}ukasz Struski, Szymon P{\l}otka, Jacek Tabor · 2026-10-12 04:00

LapMerge：线性时间内的可微分精确预算标记合并

arXiv:2610.13858v1 Announce Type: new Abstract: Modern vision and language models process ever longer token sequences, and reducing them is the main lever on downstream cost. Token compression, however, faces a fundamental trade-off: selecting tokens discards information, while e…

本文如何被排名

报道来源 [1]

LapMerge：线性时间内的可微分精确预算标记合并

相关实体

相关话题