V-CoLA：面向线性注意力的视觉 Token 压缩方法
V-CoLA 是一种免训练的视觉 Token 压缩框架，专为 Qwen3.5 等采用线性注意力的混合架构设计。它通过唯一性感知的重要性准则筛选关键视觉 Token，并配合自适应 Token 合并策略完成压缩。实验显示，仅保留 50.0% 视觉 Token 即可达到原性能的 99.5%，保留 12.5% 时仍超 88.0%，prefill 提速 1.86 至 6.15 倍。
#开源生态
Hugging Face Daily PapersAI 评分4242
Google Developers Blog精选AI 评分6060 Google Cloud 在 TPU 上为 vLLM 加入长上下文多模态嵌入推理支持
Google Cloud 将原生 TPU 支持集成进 vLLM，并以 Qwen3-Embedding-8B 和 Qwen3-VL-Embedding-8B 为目标模型做了多项工程优化，支持 4K+ token 文本和 15K+ token 多模态输入。
推荐理由：原文给出 vLLM-TPU 上部署 Qwen3 嵌入模型的具体优化与开源配方，可了解长上下文多模态嵌入的工程路径。