CMU 提出 Visual Token Routing,VLM Agent 视觉开销降 5.8 倍

CMU 研究者 Pranjal Aggarwal 与 Sean Welleck 提出 Visual Token Routing（VTR）方法，通过联合训练一个轻量路由器，在每一步丢弃时间上冗余或 agent 无需据此行动的视觉 token，使 VLM 计算机操作 agent 的视觉 token 消耗减少 5.8 倍，且精度保持不变，从而让 VLM agent 运行更快、成本更低。

2026-11-05 ~ 2026-11-05 · 2 条相关

• CMU 提出 Visual Token Routing,VLM Agent 视觉 token 减少 5.8 倍精度不变 — wellecks · 2026-11-05
• 视觉 token 路由 VTR：精度不变，VLM agent 省 5.8 倍视觉 token — wellecks · 2026-11-05