VTR 方法让 VLM agent 少用 5.8 倍视觉 token 且精度不变
wellecks · x · 2026-11-05
研究者 Pranjal Aggarwal 提出 Visual Token Routing（VTR），一种面向 VLM 智能体的加速与降本方法：
- 联合训练一个轻量级路由器，丢弃时间上冗余、或对智能体决策无用的视觉 token
- 在保持精度不变的前提下，视觉 token 数量最多减少 5.8 倍
- 特别适合 computer use 场景：屏幕截图分辨率很高，但帧间变化往往很小（尤其是实时操作/游戏场景）
多位研究者转发点赞，认为这是「更聪明的视觉编码」这一方向上值得关注的进展。
所属事件:CMU 提出 Visual Token Routing，VLM Agent 视觉 token 省 5.8 倍(3 条相关)→
「编程与Agent」频道最新
- Agent 产品「dot」上线反馈直通道:用户需求直达开发团队 — dkundel · 2026-11-05
- 模型陷入死循环刷屏报错,一口气烧掉约 14 万 token — CtrlAltDwayne · 2026-11-05
- AX 将支持在集群间迁移 agentic 任务负载 — rakyll · 2026-11-05
- OpenAI 升级 Codex:标注图直传 API 精准定位图像编辑 — OpenAIDevs · 2026-11-05
- Baseten Router:省 72% 成本,通过率仅降 0.8 个百分点 — baseten · 2026-11-05
- 开源 BrowserForge：让 AI Agent 操作真实浏览器，敏感操作须人工点击确认 — mostafazog · 2026-11-05