arXiv · NLP· Ali Kerem Bozkurt, Baris Cem Bakay, Ibrahim Kulac, Cigdem Gunduz-Demir, Erkut Erdem, Aykut Erdem·· 8 小时前AI 评分26
SLICEChat: 面向全切片病理语言模型的渐进式编码器内Token剪枝
SLICEChat: Progressive In-Encoder Token Pruning for Whole-Slide Pathology Language Models
AI 导读
SLICEChat 通过混合 Mamba-Transformer 编码器实现渐进式 token 剪枝，在 SlideBench VQA 中 TCGA 准确率达 79.84%，BCNB 达 59.09%。模型在 WSI-Bench 各项指标中表现最优，且具备具有竞争力的内存占用与推理延迟。该成果实现了在吉像素级全切片图像上精确且计算高效的多模态推理。
来源：arXiv · NLP · arxiv.org