本周主要阅读了《Text-Guided Visual Token Selection for Large Multimodal Models》论文，FlashVLM通过文本引导融合视觉显著性与跨模态相似度，动态选择关键视觉令牌，在超75%压缩下性能不降反升，显著提升多模态模型效率。FlashVLM优点简单有效：不需要修改模型内部，插拔式使用。超越无损：适当剪枝反而能提升性能（去噪声效应）。高度通用

本周开始第二个评估实验，由于数据量较大，运行时间较长，运行间隙阅读了论文《When Tokens Talk Too Much： A Survey of Multimodal Long‑Context Token Compression across Images, Videos, and Audios》，论文是第一个系统性地对多模态长上下文 token 压缩领域进行梳理的综述。多模态大语言模型（M

本周在进行评估模型的实验，同时阅读了论文《Compress and Cache：Vision Token Compression for Efficient Generation and Retrieval》第一遍：LLM 将密集视觉 token 压缩为少量“摘要 token”。第二遍：使用摘要 token 替代原始图像 token 进行语言指令处理。（引入 对比损失 提升摘要 token 的判别

本周主要精读两篇文献。《Learning Transferable Visual Models From Natural Language Supervision》主要讲述CLIP模型，该模型通过对比学习进行预训练，完成后可以进行零样本迁移，并且模型表现良好。同时考虑到输入数据为图文对，有的文本存在多重含义，因此具体化提示词，增加匹配准确性。

本周主要完成了论文模型的复现，对过程中遇到的问题进行记录。同时对论文《Token Sequence Compression for Efficient Multimodal Computing》第二种方法进行进行补充学习。1，更换镜像**核心作用：**给当前云服务器重装 / 更换操作系统，相当于给电脑换系统。原来的系统用腻了 / 出问题了，想从 CentOS 换成 Ubuntu，或从 Window

Nougat Neural Optical Understanding for Academic Documents》核心聚焦学术文档的结构化信息提取，旨在解决学术文档数字化过程中的信息提取效率与准确性问题。《A Survey of Token Compression for Efficient Multimodal Large Language Models》是首篇系统综述多模态大模型（MLLM

本周理论方面主要学习模型轻量化的第三种方法：模型量化，该方法是将高精度数据转会为低精度数据从而实现模型的压缩。还学习了自然语言处理任务分类，了解到自然语言处理任务可以分为三类任务：理解，生成，问答。主要对理解任务具体应用：信息检索进行学习。学习了信息检索的定义，评估方法、传统信息检索方法以及神经网络信息检索方法，同时了解到传统信息检索方法存在的缺陷。

本周主要完成系统重装与环境的重新配置，因此想对重装流程以及学习到一些新知识进行记录。同时学习了模型轻量化的一个小知识点：模型剪枝。学习剪枝对象，依据，策略，并完整过一遍剪枝流程。本周由于有结课考试，因此花费较多时间备考。同时完成系统重装与环境重配，发现前阵子跑不通的程序是网络问题，下周将完成对该程序存在问题的处理，并加快NLP的学习进程。

本周主要完成文本分类任务的代码解读，对解读过程中产生的疑问进行解答以及对遗忘的知识点进行复习。同时，对OCR进行一些了解。知道OCR的定义，工作原理，并对图像预处理的去噪中的方法进行补充。EvalPrediction：包含predictions（模型输出 logits）和label_ids（真实标签）。是transformer提取预测logits；计算预测类别；对比真实标签。语句作用：条件赋值 +

本周主要完成文本分类任务的代码解读，对解读过程中产生的疑问进行解答以及对遗忘的知识点进行复习。同时，对OCR进行一些了解。知道OCR的定义，工作原理，并对图像预处理的去噪中的方法进行补充。EvalPrediction：包含predictions（模型输出 logits）和label_ids（真实标签）。是transformer提取预测logits；计算预测类别；对比真实标签。语句作用：条件赋值 +