文章主要内容与创新点总结一、主要内容本文针对流式视频大语言模型（Streaming VideoLLMs）在实时部署中面临的高计算成本问题展开研究。这类模型在处理连续视频流的密集视觉令牌时，存在两大核心瓶颈：一是视觉Transformer（ViT）编码阶段中，时间相似帧的冗余处理导致效率低下；二是LLM预填充阶段令牌序列膨胀，加剧延迟和内存开销。为解决上述问题，作者提出了流式令牌压缩（STC）框架，这是一种即插即用的分层加速方案，可无缝集成到现有流式VideoLLMs中，同时优化ViT编码和LLM预填充两个阶段。STC包含两个核心模块：STC-Cacher：通过缓存和复用时间相似帧的特征，减少ViT编码开销，仅对动态令牌进行选择性计算，避免冗余运算；STC-Pruner：基于空间和时间相关性筛选最显著的令牌，在视觉令牌进入LLM前进行压缩，缩短预填充序列长度。作者在5个基准测试集上对4种基线流式VideoLLMs进行了大量实验，结果表明STC在保持高准确性（如在ReKV框架上保留99%准确率）的同时，显著降低了延迟——ViT编码延迟减少24.5%，LLM预填充延迟减少45.3%，且与端到端在线模型（如Dispider、LiveCC）和离线转在线框架（如ReKV）均具有良好兼容性。二、创新点针对性解决流式场景核心瓶颈：首次明确流式视频的两大特性（ViT编码中的时间冗余、无全局视频信息
