Visual Question Answering on GQA 40 (test)
36.4TTFT (s)Encoder+RL
Evaluation results
| Method | Links | ||
|---|---|---|---|
| Encoder+RLToken budget=64 tokens2026.05 | 36.4 | 0.56 | |
| Encoder+RLToken budget=128 tokens2026.05 | 38.4 | 0.59 | |
| VisionZipToken budget=64 tokens2026.05 | 38.4 | 0.59 | |
| DivPruneToken budget=64 tokens2026.05 | 40.3 | 0.62 | |
| VisionZipToken budget=128 tokens2026.05 | 40.5 | 0.63 | |
| Encoder+RLToken budget=192 tokens2026.05 | 43.2 | 0.67 | |
| Decoder+RLToken budget=64 tokens2026.05 | 44.6 | 0.69 | |
| VisionZipToken budget=192 tokens2026.05 | 44.7 | 0.69 | |
| Decoder+RLToken budget=128 tokens2026.05 | 45.2 | 0.7 | |
| DARTToken budget=64 tokens2026.05 | 45.2 | 0.7 | |
| DivPruneToken budget=128 tokens2026.05 | 46.2 | 0.72 | |
| PruneSIDToken budget=64 tokens2026.05 | 46.7 | 0.72 | |
| Decoder+RLToken budget=192 tokens2026.05 | 47.5 | 0.74 | |
| DARTToken budget=128 tokens2026.05 | 48.6 | 0.75 | |
| SparseVLMToken budget=128 tokens2026.05 | 50.8 | 0.79 | |
| SparseVLMToken budget=64 tokens2026.05 | 51.1 | 0.79 | |
| SparseVLMToken budget=192 tokens2026.05 | 51.4 | 0.8 | |
| VisprunerToken budget=128 tokens2026.05 | 51.6 | 0.8 | |
| VisprunerToken budget=64 tokens2026.05 | 52 | 0.8 | |
| DARTToken budget=192 tokens2026.05 | 52.3 | 0.81 | |
| VisprunerToken budget=192 tokens2026.05 | 52.3 | 0.81 | |
| DivPruneToken budget=192 tokens2026.05 | 54.2 | 0.84 | |
| OriginalToken budget=Original2026.05 | 64.6 | 1 | |
| PruneSIDToken budget=128 tokens2026.05 | 89 | 1.38 | |
| PruneSIDToken budget=192 tokens2026.05 | 92.7 | 1.43 |