MoMoVL发布:端侧稀疏VLM模态感知压缩框架获WSDM 2027接收
热点事件持续更新
MoMoVL发布:端侧稀疏VLM模态感知压缩框架获WSDM 2027接收
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
MoMoVL框架由Dongkeun Lee等人针对MoE视觉-语言模型(VLM)在端侧部署面临的内存挑战提出,旨在将推理资源需求控制在端侧预算内。 该框架联合利用专家激活特征与模态量化敏感度指导位宽分配,相比均匀精度基线,最多可减少15.44%的内存占用,且精度下降温和,在精度-压缩权衡上优于最先进混合精度基线。 该工作对应arXiv:2611.23695,代码与数据已公开,论文被WSDM 2027 Findings接收。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
MoMoVL:面向端侧稀疏激活视觉-语言模型的模态感知自适应压缩报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLMoMoVL:面向端侧稀疏激活视觉-语言模型的模态感知自适应压缩
针对 MoE 视觉-语言模型(VLM)在端侧部署面临的内存挑战,MoMoVL 提出了模态感知自适应压缩框架,将推理资源需求控制在端侧预算内。 该框架联合利用专家激活特征与模态量化敏感度指导位宽分配,相比均匀精度基线减少内存占用最高达 15.44%,且精度下降温和。 MoMoVL 在精度-压缩权衡上优于最先进混合精度基线,代码和数据已公开,论文被 WSDM 2027 接收。
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
- –
02.557.510
14:0016:0018:0020:0022:0011月20日
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。