超越免训练剪枝：LightVLA引入可微分token剪枝，首次实现VLA模型性能和效率的双重突破
保留无用 token 导致性能下降： 当在 LightVLA 已保留的 k 个 token 之外再补充 k 个随机 token 时，整体性能反而下降，说明 LightVLA 已经捕捉到所有关键信息，额外的随机 token 只会引入噪声与干扰。丢弃有用 toke
token剪枝
LightVLA可微分token剪枝，首次实现VLA模型性能和效率的双重突破
本文共同第一作者蒋体通，清华大学直博五年级学生，研究方向是VLA、自动驾驶和人机交互等。共同第一作者蒋雪枫，中国科学院计算技术研究所直博五年级学生，研究方向聚焦弱监督学习，多模态大模型应用和生成式自动驾驶等。本文通讯作者朗咸朋，理想汽车智能驾驶副总裁。