超越准确率：审计 OCR 关键型 MLLM 推理中视觉 Token 剪枝的空间溯源

英文标题：Beyond Accuracy: Auditing Spatial Provenance in Visual Token Pruning for OCR-Critical MLLM Inference

该论文关注文本密集型多模态大语言模型（MLLM）推理中的视觉 Token 剪枝问题。传统评估通常在固定 Token 保留预算下以答案质量为标准，但这一协议可能遗漏一类独特失败：即使答案仍然正确，保留的 Token 也未必位于支持该答案的局部空间区域。论文提出应审计视觉 Token 的空间溯源，以更准确地评估 OCR 关键任务中的剪枝可靠性。该研究对开发者意味着，视觉 Token 剪枝不能仅看最终答案准确率，还应验证模型是否保留了与文本证据对应的视觉区域。

2.6 KB 2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB