Select, Compress, Reinvest: A Controlled Study of Visual-Token Allocation in Long-Video MLLMs

• 类型：arxiv
• 标识：2609.03820
• 链接：https://arxiv.org/abs/2609.03820
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：Along the way, an implementation bug in the own AKS baseline and a 0.74 point gap between two harnesses running the same published rules at the same budget show why these comparisons need to happen inside one controlled harness rather than across papers.
• 待LLM分类：否
• 标题中文：选择、压缩、再投入：长视频 MLLM 中视觉 token 分配的控制变量研究
• TLDR中文：过程中发现 AKS baseline 自身存在实现 bug，且两个 harness 在相同预算下运行相同已发布规则存在 0.74 分的差距，这表明此类对比应在同一受控 harness 内进行，而非跨论文比较。
• 副分类：evaluation
• 来源文件：
• /inbox/tom/_candidates/2026-09-04-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-05-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-06-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-07-agent-rag-longcontext-candidates.json
• [S2 enrich]