待验证50% 置信事实精确时间
在 VideoLVR 的统一 token 预测框架中，交叉熵损失可同时作用于文本 token 和视觉 token，视觉重建与语言建模共享同一套输出头与训练目标。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证在潜空间扩散模型中，文本提示通过 cross-attention 与图像/视频潜特征交互，每个潜空间 token 作为 query 查询文本 token 的 key/value。66% 相似待验证RVQ Token 序列与文字 Token 共享相同的离散符号空间，使语音与文本在统一自回归框架下实现多模态联合训练65% 相似待验证VLM 在实际推理中显存占用和首 token 延迟明显高于纯文本模型，因此部署常采用动态分辨率、视觉 token 压缩或缓存复用等手段。65% 相似待验证VisKG-LM将知识图谱的图编码与语言推理解耦，将检索到的子图离线编译一次并缓存为只读的视觉记忆供复用，从而消除在线阶段的重复图传播计算64% 相似待验证大语言模型推理中输出 token 的实际硬件成本远高于输入 token，因解码阶段是内存带宽受限的串行过程62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1105819API
curl https://kongchang.com/api/v1/knowledge/claims/1105819MCP
get_claim(id=1105819)