Later Is Better：分布偏移下 ViT 的 Token 缩减

研究发现，无需训练的 Token 缩减方法在分布偏移下与未压缩模型的精度差距会随移除率扩大，而这一差距由通常被当作实现细节固定下来的缩减调度（即移除的深度分布）决定。作者提出一种单参数、后期集中的幂律调度，用于改善分布偏移下的精度表现。