arXiv · cs.AI · Peipei Jiao, Mingkang Liu, Weiming Meng, Lichen Pang, Tianyuan Liu, Junyan Li · 11 小时前模型评分37
PARC：面向端侧多模态智能体的并行对齐剪枝与轮次感知上下文复用
Parallelism-Aligned Pruning and Round-Aware Context Reuse for On-Device Multimodal Agents
导读
PARC 将并行对齐的结构化剪枝与按生命周期重组的 KV 缓存结合，让注意力维度能被边缘加速器核心数整除，并让历史图像退出持久缓存。在 2,062 个 GUI 操作上增量接口无精度回退，任务感知恢复训练找回 98.7% 的动作类型精度差距。七核部署下视觉编码器延迟降低 11.4%，解码吞吐提升 23.8%，单堆高水位内存降低 12.7%。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：ai-tooling，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We present PARC, which combines parallelism-aligned structured pruning with lifetime-aware KV-cache reorganization.”
来源：arXiv · cs.AI · arxiv.org