arXiv · cs.CL· Wenjie Huang·· 23 小时前AI 评分44
Raincheck：面向高效多轮 MLLM 推理的延迟多模态预填充框架
Raincheck: Deferred Multimodal Prefill for Efficient Multi-Turn MLLM Inference
来源与原文
arXiv · cs.CL
作者：Wenjie Huang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39562v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究团队提出 Raincheck，一个延迟多模态预填充框架，将初始 token 选择与后续信息可用性解耦，利用解码期空闲算力逐步补齐被剪枝的 token。在 Qwen3-VL-8B 和 Qwen3.5-9B、保留 30% 初始多模态 token 的设置下，Raincheck 在 MultiVerse 和 ConvBench 上平均分别恢复硬剪枝损失的 77.7% 和 60.4% 质量。其 SGLang 实现将首轮 TTFT 相比全量预填充最多降低 24.1%，平均每输出 token 时间（TPOT）增幅小于 0.5%。
来源：arXiv · cs.CL · arxiv.org