ReTrace多模态模型高效视觉回溯压缩框架获EMNLP 2026接收
热点事件持续更新
ReTrace多模态模型高效视觉回溯压缩框架获EMNLP 2026接收
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Guangzong Si 等人提出的 ReTrace 框架面向多模态大语言模型，基于“视觉回溯”现象，通过引入休眠 token 状态，在回溯窗口内恢复早期低显著性 token 以保留推理信息。 该框架在 Qwen2.5-VL 和 InternVL3 模型上实现了近 90% 的 FLOPs 和 KV cache 削减，以及 2.83 倍的预填充加速。 这项最新研究表明，ReTrace 已被 Findings of EMNLP 2026 正式接收，其论文状态为“forthcoming”，展示了该压缩方法在多模态领域的前沿进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
ReTrace：面向多模态大语言模型的高效视觉回溯压缩框架报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · AIReTrace：面向多模态大语言模型的高效视觉回溯压缩框架
ReTrace 提出了一种感知回溯的视觉 token 压缩框架，在 Qwen2.5-VL 和 InternVL3 上实现了近 90% 的 FLOPs 和 KV cache 削减，以及 2.83× 的预填充加速。 该框架基于“视觉回溯”现象，通过引入休眠 token 状态，在回溯窗口内恢复早期低显著性 token 以保留推理信息。 该工作已被 Findings of EMNLP 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。