已收录文章摘要，完整内容可前往原文阅读。
↑ 点击蓝字 关注极市平台作者丨张袁来源丨北京大学计算机学院编辑丨极市平台极市导读 主流方法用注意力分数决定删哪些视觉 Token，但 SparseVLM+ 发现注意力本身被位置编码「带偏」了，文本会