视觉令牌路由:学习保留重要的令牌
原文:Visual Token Routing: Learning to keep tokens that matter
计算机使用代理(CUA)最近在几个长期基准测试中取得了超人的性能。然而,它们的计算成本限制了它们在长期任务和实时领域(例如视频游戏)中的使用。一个关键的瓶颈是将每个屏幕截图表示为数千个视觉标记,当代理对扩展的交互历史进行推理时,这些视觉标记会累积成很长的上下文。我们观察到
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。