待验证50% 置信事实精确时间
CoTL的编码器中每增加一个视角，表示只需扩展一小部分与分辨率无关的Token，使表示的容量随可用观测数量灵活增长，而非被固定大小的网络参数所限制。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证CoTL（Compact Token Learning）提出用一小组紧凑的潜在Token来保留场景的几何与外观信息，让表示能力随观测数量的增加而自然扩展。73% 相似待验证视觉编码器参数量极小（通常几百 MB），无需重新训练主模型，只需加载额外权重即可激活图像理解能力63% 相似待验证IQuest-Q1 采用 3 层滑动窗口注意力搭配 1 层完整注意力的混合比例，在 88 层中只有 25 层会随上下文增长扩展 KV 缓存62% 相似待验证查询式解码器借鉴了Perceiver等潜在瓶颈架构的思想：用少量潜在单元压缩任意规模输入，再通过交叉注意力还原到目标模态，使计算复杂度不再随输入像素数线性增长。62% 相似待验证属性泄漏与扩散模型中交叉注意力图谱的空间分辨率限制密切相关，在U-Net或DiT架构中低分辨率层捕捉全局语义、高分辨率层负责局部细节62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024094API
curl https://kongchang.com/api/v1/knowledge/claims/1024094MCP
get_claim(id=1024094)