Effiziente Omni-Modal-Large-Language-Model-Inferenz durch Query-spezifische Modalitätsauswahl

arXiv:2610.31768v1 Ankündigungstyp: neu Abstract: Omni-Modal-Large-Language-Models (Omni-LLMs) können eine breite Palette von Modalitäten wie Text, Audio und Video gemeinsam verarbeiten, was stärkere multimodale Verständnis- und Reasoning-Fähigkeiten ermöglicht, aber oft mit erheblichen Inferenzkosten verbunden ist. Wir beobachten, dass