新万博体育

　　猫眼电影记者 柴发合 报道Q8X2R7L1T4J5M9B6W3

新智元报道

编辑：LRST

【新智元导读】在NeurIPS 2025论文中，来自「南京理工大学、中南大学、南京林业大学」的研究团队提出了一个极具突破性的框架——VIST（Vision-centric Token Compression in LLM），为大语言模型的长文本高效推理提供了全新的「视觉解决方案」。值得注意的是，这一思路与近期引起广泛关注的DeepSeek-OCR的核心理念不谋而合。

在处理短文本时，大语言模型（LLM）已经表现出惊人的理解和生成能力。但现实世界中的许多任务——如长文档理解、复杂问答、检索增强生成（RAG）等——都需要模型处理成千上万甚至几十万长度的上下文。

与此同时，模型参数规模也从数十亿一路飙升至万亿级别。

在「上下文长度激增」与「模型参数量膨胀」的双重挑战下，Token压缩不再是优化项，而是必需品。

若不能有效缩减输入规模，即便最强大的大语言模型，也难以高效处理我们需要它分析的海量信息。

南京理工大学、中南大学、南京林业大学的研究人员提出VIST（Vision-centric Token Compression in LLM）框架，正是为了解决这一痛点。

论文链接：https://arxiv.org/abs/2502.00791

研究团队早在一年多以前NeurIPS 2024就开始探索——如何让模型像人类一样，以视觉的方式更高效地理解长文本。

论文链接：https://arxiv.org/pdf/2406.02547

人类阅读文章时，不会逐字读完每一个词。

「的」「了」「和」这些功能性高频词，几乎是被大脑自动略过的。真正让我们停下来的，是那些承载意义的低频词——名词、动词、数字等。

VIST 的核心思想，就是让大模型也具备这种「选择性阅读」能力。

它设计了一种模仿人类「快–慢阅读通路（Slow–Fast Reading Circuit）」的视觉化压缩机制，让大模型在理解长文本时，既能快速扫读，又能深入思考：

快路径（Fast Path）：将远处、相对次要的上下文渲染为图像，由一个冻结的轻量级视觉编码器快速提取显著性语义；

慢路径（Slow Path）：将关键的近处文本直接输入 LLM，用于深层推理与语言生成。

这种「视觉+语言」的双通道协作，就像人类的眼睛与大脑——一边扫视全局，一边聚焦要点，深度思考。

VIST让模型真正具备了「像人一样速读」的能力。

凭借这一设计，在处理相同文本内容时，VIST所需的视觉Token数量仅为传统文本分词所需Token数量的56%，内存减少了50%。

用「视觉压缩」解锁长文本理解

早期的LLM主要通过tokenizer把文本拆分的离散token输入给LLM去处理，这种范式带来了很多好处如高度语义化。

但是已有研究发现，经过大规模图文配对数据预训练，CLIP等视觉编码器能够自发掌握 OCR 能力，这使它们可以直接理解文本图像内容，为长文本的视觉化处理提供了强大工具。

VIST则借鉴了人类高效阅读的技巧，提出了一种全新的快–慢视觉压缩框架，用视觉方式处理长文本，让模型既能快速扫读，又能深度理解。

快路径（Fast Path）

将次要的长距离上下文渲染成图像，由轻量级视觉编码器处理；

通过 Resampler 将视觉特征进一步压缩为4倍；

压缩后的视觉特征再通过cross-attention与LLM的主输入整合。

慢路径（Slow Path）

对近处或核心文本直接交给LLM处理，进行深度推理和语言生成。

这种「扫视远处，专注近处」的方式，模拟了人类阅读的自然策略，让模型在长文本场景下既高效又精准。

概率感知视觉增强

教模型学会略读

虽然视觉编码器（如 CLIP）非常强大，但它们主要在自然图像上训练，对于渲染文本的理解能力有限。而且，长文本中往往充斥大量冗余信息，如果不加选择地处理，浪费算力，还会被干扰得抓不住重点。

为此，VIST引入了一个巧妙的机制——概率感知视觉增强（PVE, Probability-informed Visual Enhancement），教模型「略读」，抓住关键信息，忽略冗余词。

在训练中，PVE采用基于频率的屏蔽策略（Frequency-based Masking Strategy）把高频但信息量低的词（如英文中的 「the」、「with」）掩码而重点保留低频、高信息量词如名词、动词、数字等核心内容。

这些经过语义优化的文本嵌入（embeddings）有效指导Resampler从文本图像中提取最重要的语义信息，让视觉压缩模块更高效、更精准。

视觉压缩的极大潜力

在开放域问答（Open-domainQA）任务以及11 个 In-Context Learning（ICL）基准任务上，VIST 显著优于基于文本编码器的压缩方法 CEPE。

即便在极端条件下——所有篇章仅通过视觉编码器处理——VIST仍能在开放域问答任务中达到与TinyLlama相当的性能，充分显示了视觉压缩在长文本处理中的可靠性。

此外，VIST在处理相同文本内容时，所需视觉 Token 数量比传统文本 Token 少56%（压缩比约为2.3，从 1024 个文本Token压缩到448个视觉 Token），同时显存使用减少50%，极大提高了计算效率。

让大模型「用眼睛读文字」

VIST利用轻量级视觉编码器，将冗长的上下文信息压缩处理，为大语言模型提供了一条高效、低成本的新路径。

更妙的是，视觉编码器还能充当视觉文本分词器（Visual Text Tokenization），带来四大优势：

1. 简化分词流程传统文本分词器依赖复杂规则和固定词表，通常涉及近十步人工预处理（如小写化、标点符号处理、停用词过滤等）。

视觉编码器直接将渲染后的文本视作图像输入，无需繁琐预处理，处理流程更直接高效。

2. 突破词表瓶颈传统分词器在多语言环境下容易受词表限制影响性能，而视觉编码器无需词表，统一处理多种语言文本，大幅降低嵌入矩阵和输出层的计算与显存开销。

3. 对字符级噪声更鲁棒视觉编码器关注整体视觉模式，而非单个 Token 匹配，因此对拼写错误或低级文本攻击具备天然抵抗力。

4. 多语言高效性尽管本文主要针对英文，视觉文本分词器在其他语言中同样高效：与传统文本分词相比，可减少62%的日文Token、78%的韩文Token、27%的中文Token，在处理长文本时优势尤为显著。

结语与未来展望

VIST 展示了「视觉 + 语言」协作在大模型长文本理解中的巨大潜力：

它让大模型能够「像人一样读」，快速扫视冗余信息，同时专注于关键内容；

它为多语言、长文本、甚至多模态场景提供了高效处理方案。

未来，视觉驱动的 Token 压缩可能会成为长上下文 LLM 的标准组件。 随着模型规模不断增长，这种「先看再读」的策略，将帮助大模型在保证理解能力的同时，大幅降低计算成本，为多模态智能理解铺平道路。

参考资料：

https://arxiv.org/abs/2502.00791

??时事1：亚游平台app下载

??10月29日,东莞诞生首个“百亿村”,

　　“再不退后，别怪我铁箭无情！”蛟鹏冷漠的说道，这种表情与他的年龄不太相符。

,手机飞禽走兽有没有规律。

??10月29日,贵港澳旅游联盟在贵阳成立 共拓国际旅游客源,

　　这是一头血貂，能有两米多长，通体如红玛瑙般晶莹，还生有一对赤红如霞的翅膀，虽然体积无法与巨兽相比，但是却格外强大。

,澳门威斯尼人203119com,168app链接,九游会备用网站。

??时事2：188宝金博在哪注册

??10月29日,河北开展“城市生命线保障·2024”应急演习,

　　“你们说放手就放手？给我趴下，老实地接受洗劫！”小不点说道，毫无忌惮，在这初始地，你就是一族宗主，或者一地王侯，在此也只能发挥出搬血境修为。

,杏彩手机网页版平台,age官方网站入口,球世界杯投注网站。

??10月29日,一图看懂：支持大龄领取失业保险金人员参加企业职工基本养老保险,

　　他锵的一声拔出断剑，而后像是做贼般朝左右看了看，扛起正在疗伤的大红鸟，带上清风与二秃子撒丫子就跑。

?第一百九十一章 神灵雨,体育综合平台官方下载,澳门平台app下载,云顶娱乐登陆不了。

??时事3：菲律宾亚星官方网站

??10月29日,贵州：“长征国家文化公园·大娄山服务区”全面开放,

　　二是要夯实基础，培育一支好队伍。“把农村培养成致富能手，把优秀的致富能手培养成，把致富能手中的优秀分子培养成村干部”，这是新时期农村教育培养的目标，要按照这个培养的要求，一是要抓好现有队伍的政治理论、法律法规教育和科技文化知识培训，使农村加深对党的基本路线和党的农村政策的理解，增强贯彻执行的坚定性、自觉性，明确的标准，认清自己在发展农村经济，推动农村社会全面进步中的责任，强化市场经济意识和法律意识，学会运用市场经济知识和法律知识办事。二是要坚持“三会一课”制度。“三会一课”制度是搞好思想教育的有效形式，要以党的先进性教育为契机，通过召开“支委会、党小组会、大会、上党课”等形式来加强长期性的教育，来提高他们的政治思想素质。三是要着眼于提高农村的素质，多渠道、多层次、多形式地抓好的科技培训。对一些高新实用技术，可先组织通过短期培训、外出参观、请能人传经等多种形式进行学习培训，开阔思路，增长见识，使他们掌握一定的先进实用技术，成为带领群众致富奔小康的带头人，达到发展有目标，致富有本领的目的。四是要不断探索加强管理的有效途径。加强队伍建设，要有载体，一定的内容要通过一定的形式表现出来，比如在农村开展的联系户、共同致富小组、支部帮带等活动，对加强队伍的管理都起到了很好的作用。五是要继续加强对外出务工经商农村的管理，做好《流动活动证》的登记发放工作，做好流动的跟踪管理。六是要切实重视发展优秀青年农民入党的工作。要积极做好宣传教育工作，使青年农民了解党的基本知识，增强入党的愿望和要求，并采取各种方式加强培养，把符合条件的及时吸收到党内来，逐步改善农村队伍年龄偏大、文化偏低的状况，为党的队伍补充新鲜血液。从而使基层党组织更加坚强有力，更好地担负起带领群众致富奔小康的重任。

,金沙最新网址,靠谱的足球滚球平台,杰克棋牌官方最新网站。

??10月29日,联播观察｜暖心为民 用心惠民 ,

　　这是一股惊人的神力，所有人都骨头断裂，被震飞后就再也难以爬起来了，无法动弹一下。

,群友斗地主,齐齐哈尔棋牌游戏,通天特解图。

??时事4：澳门威斯尼斯人官网

??10月29日,杨凌农高会见闻：科技为农业装上“智慧大脑”,

　　这让一群壮年汉子既羡慕又嫉妒，但却无可奈何，他们块头太大，不容易得到独角兽的信任，对他们戒心依旧很大。

,美高梅手机游戏网站,ag娱乐亚美平台app,德赢体育官网登录。

??10月29日,“荷花奖”民族舞剧《醒·狮》在香港首演 市民近距离体验道具,

　　场中只剩下了石渊一人，其他人全都踉跄倒退，根本就没有办法站立，不然必然要被那种气息压到肉身碎裂。

,半岛官网,凯发娱乐mx极速版,bet365官方中文版。