跳到正文
热点事件持续更新

SkimPrefill利用小模型加速VLM长输入预填充

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Xiaolin Lin等研究者提出SkimPrefill方法,利用Qwen3.5-0.8B等小模型在低分辨率下快速定位关键图文单元。该机制让小型混合模型先阅读整个输入至早期层,以加速视觉语言模型处理10万token长输入时的Prefill阶段。 在保留10%输入token的条件下,SkimPrefill将Qwen3.5-9B、Gemma-4-12B和Qwen3-VL-32B的预填充速度分别提升3.7倍、11.6倍和8.2倍,同时保持平均准确率不变。小型混合模型的大部分层运行在线性时间复杂度,确保了预读过程的短时高效。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    SkimPrefill 利用小模型预读加速长图文输入的 Prefill 阶段

    研究提出 SkimPrefill 方法,利用 Qwen3.5-0.8B 等小模型在低分辨率下快速定位关键图文单元,加速视觉语言模型(VLM)处理 100K token 长输入的 Prefill 阶段。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。