近日，中科院自动化研究所紫东太初大模型团队推出核心集剪枝方法GMC，成功破解多模态大模型视觉Token冗余难题。针对传统筛选方法易丢失细节、引发视觉幻觉的行业痛点，GMC创新采用互补证据自适应筛选与群体信息传输双阶段架构，全程免训练即可无缝适配主流图文大模型。权威实验显示，在减少80%至90%视觉Token的极限压缩下，GMC仍能保留超97%的多模态理解能力，且自带去噪增益，大幅抑制幻觉。在长文档场景中更实现推理加速与显存骤降。该技术以极低计算代价支撑精准推理，为国产多模态大模型的高效、低成本落地提供了全新范式。