谁为修剪过的人说话？作为覆盖优化的视觉词元修剪

视觉标记修剪降低了视觉语言模型（VLM）的推理成本，但大多数方法只询问保留哪些标记。这种保留词元视图可以保留冗余的高分词元，同时留下没有密切代表的丢弃证据。我们提出了 CoverPruner，一个 无需训练 剪枝器，它提出了补充的需求方问题：在删除词元后，哪个幸存的原始词元代表目标 VLM？ CoverPruner 将修剪制定为代表性覆盖最大化 (RCM)，覆盖具有查询加权需求的完整投影视觉标记集。它通过投影仪空间覆盖和轻量级第一层注意力探针实例化 RCM。在多种 VLM 架构和压缩率中，CoverPruner 在所有比较方法中实现了最佳的平均准确度，最大的增益通常出现在激进的压缩下。