美团LongCat提出FVQ量化方法，离散视觉token追平连续表征

2026年10月28日，美团LongCat团队联合华中科技大学、上海交通大学、北京大学、清华大学等机构提出因子化向量量化方法FVQ（Factorized Vector Quantization）。该方法用对称并行码本，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，而现有量化器在增加码本时会逐渐饱和。

AI 根据报道生成 · 29 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。