SLICEChat：面向全切片病理语言模型的编码器内渐进式 token 剪枝

针对 whole-slide pathology 图像达 gigapixel 规模、现有 slide 级 MLLM 需处理数千 patch token 且在编码后才压缩的问题，论文提出 SLICEChat：在 hybrid Mamba–Transformer slide encoder 内部做渐进式 token 剪枝，由语言监督、区域感知的剪枝按受控保留率移除空间连贯的低价值区域，在融合前得到紧凑表示。在 SlideBench VQA 上 TCGA 准确率 79.84%、BCNB 59.09%，优于此前模型，并取得最高 WSI-Bench 总体指标，显存与推理延迟具竞争力。

此前方案在 slide 编码之后才做压缩，多模态注意力仍需承担全部 patch token 的开销。SLICEChat 把剪枝前移到编码器内部并逐阶段缩短序列，直接压缩了进入多模态融合的表示规模，同时报告了准确率与内存、延迟方面的表现，指向全切片级别推理的可扩展性瓶颈。

机制是混合 Mamba 与 Transformer 的编码器：Mamba 层负责长程信息高效传播，Transformer 层在序列被逐步缩短的过程中保留全局交互；阶段之间按受控 keep-rate 进行语言监督、区域感知剪枝，删除空间上成块的低效用区域，使剪枝后的表示仍适配下游多模态融合。

对病理 AI 产品而言，将压缩放在编码器内部而非编码之后，意味着同样的显存和延迟预算下可能处理更大的全切片或更高吞吐；若该方案可复现，研发重点会从后处理压缩转向编码器结构与保留率调度，病理辅助诊断与科研读片的推理成本结构可能随之改变。

• 在自有病理切片数据上复现 SLICEChat 的保留率调度，测试准确率与显存、延迟的取舍曲线
• 评估将编码器内渐进剪枝接入既有 slide 级 MLLM 流水线，替换编码后压缩模块的可行性
• 面向全切片推理场景，建立以显存与延迟为约束的剪枝策略配置模板
• 针对区域感知剪枝，构建低价值区域判定与语言监督信号的内部评测集

• 论文未披露剪枝的保留率调度训练细节与超参，复现成本待确认
• SlideBench VQA 与 WSI-Bench 之外的病理任务上是否仍保持优势，尚不清楚
• 与同规模模型对比时的具体显存和延迟数值未在证据中给出
• 语言监督信号如何获取及是否依赖额外标注，证据未说明