ReVision方法提升计算机使用智能体效率

ReVision框架由Amirhossein Abaskohi等人提出，旨在解决多模态语言模型处理计算机使用智能体任务时的视觉冗余问题。该框架引入学习选择器，通过比较连续截图中的视觉补丁表示，移除冗余部分，同时保持模型所需的空间结构，从而降低token使用量。 在OSWorld、WebTailBench和AgentNetBench三个基准测试中，实验显示当使用Qwen2.5-VL-7B模型处理5张历史截图时，ReVision方法平均减少了46%的token使用量，且任务成功率较无丢弃基线提升了3%。该结果表明该方法在保持任务性能的同时，有效提升了计算效率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。