MoR-MLLM：基于混合递归的高效多模态大语言模型
Get the story
2026年10月8日，研究者在 arXiv（Computer Vision 栏目）发布 MoR-MLLM，一种面向高效多模态大语言模型的计算稀疏型架构。该模型基于 Mixture-of-Recursions（MoR）框架，引入逐 token 自适应递归机制，可根据 token 在视觉或语言上的难度动态调整递归深度，把更多计算分配给更难的 token。为稳定训练，研究者设计了三阶段 MoR-Tuning 策略与熵正则化损失。目前公开信息仅涉及模型框架与训练方法，未披露具体实验数据、参数规模或开源情况。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer VisionMoR-MLLM：面向高效多模态大语言模型的递归混合架构
研究者提出 MoR-MLLM，一种基于 Mixture-of-Recursions（MoR）框架的计算稀疏型多模态大语言模型。该模型引入逐 token 自适应递归，动态调整递归深度，把更多计算分配给视觉或语言上更难的 token，并设计三阶段 MoR-Tuning 策略与熵正则化损失以稳定训练。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.