Buchumschlag

LVPruning: An Effective yet Simple Language-Guided Vision Token Pruning Approach for Multi-modal Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yizheng, Xin, Yanze, Li, Hao, Sun, Jingyuan, Lin, Chenghua, Batista-Navarro, Riza
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Does Acceleration Cause Hidden Instability in Vision Language Models? Uncovering Instance-Level Divergence Through a Large-Scale Empirical Study
von: Sun, Yizheng, et al.
Veröffentlicht: (2025)

Large Language Models in Argument Mining: A Survey
von: Li, Hao, et al.
Veröffentlicht: (2025)

Arg-LLaDA: Argument Summarization via Large Language Diffusion Models and Sufficiency-Aware Refinement
von: Li, Hao, et al.
Veröffentlicht: (2025)

DMON: A Simple yet Effective Approach for Argument Structure Learning
von: Sun, Wei, et al.
Veröffentlicht: (2024)

MapGuide: A Simple yet Effective Method to Reconstruct Continuous Language from Brain Activities
von: Zhao, Xinpei, et al.
Veröffentlicht: (2024)

A Simple and Effective Pruning Approach for Large Language Models
von: Sun, Mingjie, et al.
Veröffentlicht: (2023)

Natural Context Drift Undermines the Natural Language Understanding of Large Language Models
von: Wu, Yulong, et al.
Veröffentlicht: (2025)

Fit and Prune: Fast and Training-free Visual Token Pruning for Multi-modal Large Language Models
von: Ye, Weihao, et al.
Veröffentlicht: (2024)

Less is More: A Simple yet Effective Token Reduction Method for Efficient Multi-modal LLMs
von: Song, Dingjie, et al.
Veröffentlicht: (2024)

DTP: A Simple yet Effective Distracting Token Pruning Framework for Vision-Language Action Models
von: Li, Chenyang, et al.
Veröffentlicht: (2026)

Keyframe-oriented Vision Token Pruning: Enhancing Efficiency of Large Vision Language Models on Long-Form Video Processing
von: Liu, Yudong, et al.
Veröffentlicht: (2025)

Natural Language Satisfiability: Exploring the Problem Distribution and Evaluating Transformer-based Language Models
von: Madusanka, Tharindu, et al.
Veröffentlicht: (2025)

Expanding the Boundaries of Vision Prior Knowledge in Multi-modal Large Language Models
von: Liang, Qiao, et al.
Veröffentlicht: (2025)

A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models
von: Zhou, Houquan, et al.
Veröffentlicht: (2024)

Deep Associations, High Creativity: A Simple yet Effective Metric for Evaluating Large Language Models
von: Qiu, Ziliang, et al.
Veröffentlicht: (2025)

Aspect-based Sentiment Evaluation of Chess Moves (ASSESS): an NLP-based Method for Evaluating Chess Strategies from Textbooks
von: Alrdahi, Haifa, et al.
Veröffentlicht: (2024)

SEMA: Simple yet Effective Learning for Multi-Turn Jailbreak Attacks
von: Feng, Mingqian, et al.
Veröffentlicht: (2026)

Seeing isn't Hearing: Benchmarking Vision Language Models at Interpreting Spectrograms
von: Loakman, Tyler, et al.
Veröffentlicht: (2025)

TEAL: Tokenize and Embed ALL for Multi-modal Large Language Models
von: Yang, Zhen, et al.
Veröffentlicht: (2023)

SOLAR 10.7B: Scaling Large Language Models with Simple yet Effective Depth Up-Scaling
von: Kim, Dahyun, et al.
Veröffentlicht: (2023)

Learning to Focus: Causal Attention Distillation via Gradient-Guided Token Pruning
von: Guo, Yiju, et al.
Veröffentlicht: (2025)

Scaffold-BPE: Enhancing Byte Pair Encoding for Large Language Models with Simple and Effective Scaffold Token Removal
von: Lian, Haoran, et al.
Veröffentlicht: (2024)

IG-Pruning: Input-Guided Block Pruning for Large Language Models
von: Qiao, Kangyu, et al.
Veröffentlicht: (2025)

UTPTrack: Towards Simple and Unified Token Pruning for Visual Tracking
von: Wu, Hao, et al.
Veröffentlicht: (2026)

SmartTrim: Adaptive Tokens and Attention Pruning for Efficient Vision-Language Models
von: Wang, Zekun, et al.
Veröffentlicht: (2023)

DiffuMask: Diffusion Language Model for Token-level Prompt Pruning
von: Zheng, Caleb, et al.
Veröffentlicht: (2026)

Saliency-driven Dynamic Token Pruning for Large Language Models
von: Tao, Yao, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Zero-shot Lay Summarisation in Biomedicine and Beyond
von: Goldsack, Tomas, et al.
Veröffentlicht: (2025)

Evaluating the Generation Capabilities of Large Chinese Language Models
von: Zeng, Hui, et al.
Veröffentlicht: (2023)

Efficient Vision-Language Reasoning via Adaptive Token Pruning
von: Li, Xue, et al.
Veröffentlicht: (2025)

An Open Source Data Contamination Report for Large Language Models
von: Li, Yucheng, et al.
Veröffentlicht: (2023)

Natural Language Generation
von: van Miltenburg, Emiel, et al.
Veröffentlicht: (2025)

With Ears to See and Eyes to Hear: Sound Symbolism Experiments with Multimodal Large Language Models
von: Loakman, Tyler, et al.
Veröffentlicht: (2024)

HieraVid: Hierarchical Token Pruning for Fast Video Large Language Models
von: Guo, Yansong, et al.
Veröffentlicht: (2026)

From Pixels to Tokens: Revisiting Object Hallucinations in Large Vision-Language Models
von: Shang, Yuying, et al.
Veröffentlicht: (2024)

A Simple yet Effective Layout Token in Large Language Models for Document Understanding
von: Zhu, Zhaoqing, et al.
Veröffentlicht: (2025)

A Simple Linear Patch Revives Layer-Pruned Large Language Models
von: Chen, Xinrui, et al.
Veröffentlicht: (2025)

Simple Yet Effective: Extracting Private Data Across Clients in Federated Fine-Tuning of Large Language Models
von: Hu, Yingqi, et al.
Veröffentlicht: (2025)

Investigating a Benchmark for Training-set free Evaluation of Linguistic Capabilities in Machine Reading Comprehension
von: Schlegel, Viktor, et al.
Veröffentlicht: (2024)

Iterative Structured Pruning for Large Language Models with Multi-Domain Calibration
von: Wu, Guangxin, et al.
Veröffentlicht: (2026)