研究人员开发了 ShelfKV,一种旨在提高视觉语言模型(VLMs)在多轮推理任务中性能的新颖方法。ShelfKV 解决了 VLMs 中不断增长的推理过程可能挤占 KV 缓存中关键视觉信息的问题,从而导致性能下降。通过将视觉条目保留在 CPU 内存中,仅在需要时将其交换到注意力槽中,ShelfKV 可确保图像始终受到保护且可访问,而不会占用宝贵的 GPU 内存。这种方法显著提高了在对话基准测试上的性能,即使在内存有限的情况下也优于现有的保留策略。 AI
影响 ShelfKV 通过确保视觉上下文得以保留,有可能显著提高 VLMs 的对话能力和推理准确性。
排序理由 这是一篇详细介绍改进 VLMs 新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →