一页看懂多模态Token压缩前沿论文，快速定位技术方案
这是一个关于多模态大语言模型（MLLMs）中Token合并、减少、重采样和丢弃技术的论文列表项目。它系统整理了该方向的前沿研究，帮助研究者和开发者快速了解如何通过优化视觉Token的数量和表示来降低计算成本、提升推理效率。项目核心能力在于提供结构化的论文索引，按技术类别（合并、减少、重采样、丢弃）分类，并包含论文链接和简要说明，解决了该领域文献分散、难以追踪的问题。对于从事多模态模型优化、边缘部署或高吞吐量推理的开发者，这是一个实用的导航工具。
Awesome-MLLM、Awesome-Visual-Compression、Awesome-Token-Reduction
Awesome-Token-Merge-for-MLLMs 是数据集领域的开源项目，由 JinXins 开发，2024 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 90。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-12。该项目为论文列表，无软件服务，完全免费。
它主要面向的使用场景是：调研多模态模型轻量化技术方案。同类可对比的替代方案包括 Awesome-MLLM、Awesome-Visual-Compression、Awesome-Token-Reduction。
上一篇：AutoMathText
下一篇：llm4ea_official
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
