query-guided

OmniFocus 是一种无需训练、查询引导的令牌压缩方法，用于全模态大语言模型，它独立估计视频和音频的重要性，以保留模态特定的证据同时保持对齐，在低令牌保留比率下实现了显著的推理加速，同时精度损失极小。