美团 LongCat 提出因子化向量量化 FVQ，离散视觉 token 追平连续表征

美团 LongCat 团队联合华中科大、上海交大、北大、清华等机构提出 Factorized Vector Quantization（FVQ），用对称并行码本量化视觉特征的互补固定维度视图，在多模态理解上追平连续视觉表征。研究指出量化误差并不可靠，误差更大的离散表征反而取得更好的理解效果，真正决定下游性能的是离散索引的有效比特预算，而现有量化器增加码本时会逐渐饱和。