CoverPruner提出视觉令牌剪枝新框架：以覆盖优化取代“保留高分令牌”
该论文提出训练免费剪枝器CoverPruner，从需求侧问“被剪令牌由谁代表”，在多种视觉语言模型架构上取得最高平均准确率，尤其在高压缩率下增益明显。
AI解读：视觉语言模型处理图像时会把图片切成大量视觉令牌，推理成本高。以往剪枝只看“哪些令牌值得留”，容易留下彼此重复的高分令牌，却可能丢掉某些信息。CoverPruner换了个角度：每删掉一个令牌，都要找到仍存活的原始令牌中“最能代表它”的那一个，把剪枝问题变成“表示覆盖最大化”，并用投影器空间覆盖和轻量第一层注意力探针来落地。这个变化直接降低推理时的令牌数量，让剪枝后保留的信息更完整。论文提到，在多个VLM架构和压缩率下，CoverPruner的平均准确率都优于对比方法，且压缩越激进，优势通常越大。对做视觉模型部署的工程师来说，这意味着可以更低成本运行模型而不显著牺牲效果；对普通用户则无需立即行动，目前是论文方法，距离产品化还有一段距离。
arXiv上的一篇新论文提出CoverPruner，一种无需训练的视觉令牌剪枝器，将剪枝问题重新定义为“表示覆盖最大化”（Representational Coverage Maximization，RCM）。论文称，在多种视觉语言模型（VLM）架构和压缩率下，CoverPruner的平均准确率超过所有对比方法，且压缩越激进，优势通常越明显。该论文已被EMNLP 2026主会接收。
方法与动机
现有视觉令牌剪枝方法大多只问“保留哪些令牌”，这种“保留视角”可能留下冗余的高分令牌，同时让被丢弃的证据没有相近的代表。CoverPruner从相反的“需求侧”出发：一个令牌被删除后，对目标VLM而言，哪个幸存的原始令牌能代表它？
CoverPruner将剪枝形式化为RCM，用查询加权的需求覆盖完整的投影视觉令牌集合，并通过“投影器空间覆盖”和一个轻量的第一层注意力探针来实现。
实验结论与限制
论文在多种VLM架构和压缩率下进行评测，CoverPruner的平均准确率在所有对比方法中最佳，最大增益通常出现在激进压缩（aggressive compression）下。
该论文依据为arXiv摘要（版本v1），尚未提供完整实验设置、数据集细节或与其他方法的详细对比数据。CoverPruner为训练免费方法，不涉及权重更新。