Mage-VL用编解码器原生tokenizer提升实时多模态理解效率。
推荐理由：利用运动向量和残差能量选择性编码动态区域，避开均匀抽帧浪费；这针对实时视频交互的算力瓶颈，比离线VLM更贴近部署。
阅读原文