Xiaohongshu（小红书） - arXivDaily 大厂专区

2608.26806 2026-08-28 cs.CV 新提交

Multi-Image Visual Token Pruning in Large Visual Language Models

多图像视觉语言模型中的多图像视觉令牌剪枝

Rongyang Zhang, Chengqiang Lu, Cong Li, Hongchao Gu, Tingjia Shen, Xuyang Zhi, Qimeng Wang, Yan Gao, Yi Wu, Yao Hu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学）； Xiaohongshu Inc.（小红书科技有限公司）

AI总结本文针对现有LVLMs多图像剪枝方法的局限，提出无需训练的AVTP框架，在多类LVLMs上实现显著推理加速，同时保持较高准确率，部分模型性能甚至优于基线。

Comments 14 pages, 3 figures

2608.24982 2026-08-28 cs.CL cs.AI cs.CV cs.LG cs.MM 版本更新

Unsupervised Post-Training of Foundation Models: A Survey

基础模型的无监督后训练：一项综述

Yijie Xu, Qianyi Cai, Huizai Yao, Yili Wang, Tianfu Wang, Cehao Yang, Xingbo Yao, Zhiyu Guo, Aiwei Liu, Xuming Hu, Weiyu Guo, Hui Xiong

机构 * HKUST(GZ)（香港科技大学（广州））； HKUST（香港科技大学）； Xiaohongshu Inc.（小红书公司）； WeChat, Tencent（腾讯微信）； CUHK（香港中文大学）； AI Robotics（人工智能机器人）

AI总结该综述梳理80种无监督后训练（UPT）方法，按更新信号来源分类，揭示内部信号与任务结构对UPT效果的影响，构建统一框架用于UPT的选择与评估。

Comments Accepted to Findings of EMNLP 2026. 20 pages, 3 figures, 8 tables

2608.24168 2026-08-28 cs.CL cs.SD 版本更新

FireRedAudio: A General-Purpose Audio Language Model with Decoupled Continuous Representations for Understanding and Generation

FireRedAudio：一种具有解耦连续表示的通用音频语言模型，用于理解与生成

Feiyu Shen, Fenglong Xie, Junjie Li, Kun Xie, Lei Xie, Xu Tang, Xuelong Geng, Yan Jia, Yao Hu, Yichen Han, Yichen Wu, Ziqi Dai, Junjie Chen, Kai Huang, Manzhen Wei, Yixuan Li

机构 * Xiaohongshu（小红书）

AI总结 FireRedAudio是首个公开的统一音频-语言模型，采用解耦连续表示，支持音频理解、多语种ASR、各类TTS及语音编辑，性能优于相关模型。

Comments 20 pages, 3 figures. In this revision, the author list is ordered alphabetically by given name and an author-contribution statement is added; the technical content is unchanged