University of California, San Diego（加州大学圣迭戈分校）

FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models

FlashVLM: 大规模多模态模型中的文本引导视觉令牌选择

Kaitong Cai, Jusheng Zhang, Jing Yang, Yijia Fan, Pengtao Xie, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Snap Inc.（Snap公司） 纠错

AI总结 FlashVLM通过文本引导的视觉令牌选择，实现了高效压缩和高准确率，在大规模多模态模型中表现出色。

Comments Under submission

On Structured State-Space Duality

结构状态空间对偶性

Jerry Yao-Chieh Hu, Xiwen Zhang, Ali ElSheikh, Weimin Wu, Han Liu

机构 * Center for Foundation Models and Generative AI, Northwestern University（基础模型与生成式AI中心，西北大学） ； Department of Computer Science, Northwestern University（计算机科学系，西北大学） ； Ensemble AI ； University of California, San Diego（加州大学圣地亚哥分校） ； Department of Statistics and Data Science, Northwestern University（统计与数据科学系，西北大学） 纠错

AI总结 本文探讨了结构状态空间模型与掩码注意力机制之间的对偶性，扩展了其应用范围并揭示了其在不同注意力机制中的局限性。

Comments v2 fixed typos and added numerical results (Appendix B)