FlashGaze 在 ViT 编码前用四叉树动态规划剪枝视频 patch，在 Qwen3-VL-8B 上以 20% 保留率保住 LongVideoBench 98% 精度并降低峰值显存 1.8 倍
FlashGaze 是一种免训练方法，在 ViT 编码前以像素空间差异作为信息损失代理，用四叉树动态规划在固定预算下联合决定 patch 的丢弃、合并与保留，从而同时削减视频的时空冗余；在 Qwen3-VL-8B 与 NVILA-8B-Video 上，它在多个视频理解基准上取得更高精度与更低首 token 延迟，并在 20% 保留率下保持 LongVideoBench 全输入基线 98% 的精度。