主要来源arXiv cs.LG
查看原文事件专题 · 单一信源
ReToken：一个Token改进视觉语言模型的视觉检索
ReToken训练一个可学习嵌入作为检索目标，从预填充的视觉KV缓存中选取与查询相关的稀疏视觉token。它在小型图像问答数据集上训练，在Visual Haystacks基准上让Qwen3VL-8B提升13.4分，InternVL3.5提升12.4分。在LVBench上，模型零样本迁移到长视频任务，Qwen3VL-8B取得8.0分增益。由于设计轻量，训练与长视频推理可在一块H100上完成。
当前结论
ReToken用一个小token当检索目标，从KV缓存里挑关键视觉token，Qwen3VL-8B在Visual Haystacks涨13.4分，单卡H100就能跑。
2 个信源51° AI 热度最后更新 2026/7/30 17:59:56
证据链
相关来源 1Yangyi
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。