V-LUMEN：为视觉语言模型加入视觉查表记忆
热点事件持续更新
V-LUMEN：为视觉语言模型加入视觉查表记忆
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Miso Choi 等作者提出 V-LUMEN，一种面向视觉语言模型的视觉查表记忆方法：将视觉特征用冻结码本离散化，以空间聚合哈希构建记忆键，再按文本条件做相关性调制，检索到的嵌入经门控残差路径融合进主干。 作者称，在五个推理密集型基准上，该方法显著提升冻结的 Qwen3-VL-2B 主干，并零样本迁移到三个图像与训练数据不重叠的基准。其查找成本与表大小无关，且只在 prefill 阶段产生一次，容量随存储增长而非每 token 计算增长。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
V-LUMEN：为视觉语言模型嵌入扩展打造的视觉查找记忆报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLV-LUMEN：为视觉语言模型嵌入扩展打造的视觉查找记忆
V-LUMEN 提出一种面向视觉语言模型的视觉查找记忆，通过冻结码本离散化视觉特征、空间聚合哈希构建记忆键，并以文本条件相关性调制，检索到的嵌入经门控残差路径融合进主干。在五个推理密集型基准上，它显著提升冻结的 Qwen3-VL-2B 主干，并零样本迁移到三个图像与训练数据不重叠的基准。查找成本与表大小无关且仅在 prefill 阶段产生一次，容量随存储而非每 token 计算增长。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。