SCOPD entraîne des modèles vision-langage à mieux exploiter des tokens visuels élagués
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
Avec 10 % des tokens visuels conservés, le modèle standard garde 86,37 % de sa performance sur 13 benchmarks. SCOPD la porte à 90,49 % et SCOPD+ à 92,43 %, sans modification d’architecture.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceAhmadreza Jeddi, Enming Zhang, Jasper Gerigk et al.huggingface.co
SCOPD: Sparse-Context On-Policy Self-Distillation for Efficient Vision-Language Models (site externe)
Reasoning vision-language models (VLMs) process images and videos as long sequences of visual tokens, making inference expensive.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5