东方理工团队提出HiDrop:重构MLLM计算路径,压缩90%视觉Token实现2.2倍加速 (opens in a new tab)随着多模态大语言模型(MLLM)支持更长上下文,高分辨率图像和长视频会产生远多于文本的视觉 Token,在自注意力二次复杂度下迅速成为效率瓶颈。