视频为何仍然如此昂贵？视频与音视频 LLM 推理效率机制综述

一篇综述系统梳理了 VideoLLM 的推理效率机制，覆盖帧采样、模态编码、连接器层 token 压缩以及 LLM 预填充与解码各阶段的瓶颈。研究按方法作用的流水线阶段进行归类，涵盖 2022 年底以来的 VideoLLM 及更早的帧采样与视觉编码器机制，并汇总了共享宿主模型与输入协议下的精度—成本对比，指出音视频效率与标准化评测仍存空白。