arXiv new; visual token pruning · P2 · 2026-06-27

TOPS：它和通用视觉自监督的关系在于：从信息论重写视觉 token 保留目标，适合关注 VLM 视觉 token 预算

中高相关；详见方法、贡献和实验边界。

TOPS: First-Principles Visual Token Pruning via Constructing Token Optimal Preservation Sets for Efficient MLLM Inference　arXiv new; visual token pruning　原文链接

编号2606.27161 优先级P2 类别arXiv new; visual token pruning 会议arXiv new; visual token pruning 方法从信息论重写视觉 token 保留目标，适合关注 VLM 视觉 token 预算来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：从信息论重写视觉 token 保留目标，适合关注 VLM 视觉 token 预算。中高相关；详见方法、贡献和实验边界。

**Figureure 1 · : (a) Qualitative comparison of pruning methods**Figure 1: (a) Qualitative comparison of pruning methods. On detail-sensitive VQA questions, single-criterion pruning methods, including attention-based, diversity-based, and coverage-based methods, often fail to answer, whereas the multi-stage TOPS module helps model preserve key visual evidence and produce the correct answers. (b) Performance comparison on four mainstream MLLMs. We validate TOPS across four architectures. TOPS consistently covers the largest area, demonstrating superior performance across all models and benchmarks.这张图概括 TOPS 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 12 · : Comprehensive qualitative comparison of visual token selections by F**Figure 12: Comprehensive qualitative comparison of visual token selections by FastV, DivPrune, SCOPE, and TOPS across diverse real-world questions. Green text indicates a correct answer; red indicates an incorrect answer.这张图/表用于判断 TOPS 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：从信息论重写视觉 token 保留目标，适合关注 VLM 视觉 token 预算。

方法拆解

从信息论重写视觉 token 保留目标，适合关注 VLM 视觉 token 预算

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。