AgentOCR框架将LLM Agent历史压缩成图像，降低成本

研究人员开发了AgentOCR，一个旨在降低大型语言模型（LLM）Agent历史相关的高昂token和内存成本的新颖框架。AgentOCR通过将Agent的交互历史转换为紧凑的图像来实现这一点，利用了视觉token卓越的信息密度。该系统包含分段光学缓存，以避免冗余的重新渲染，并采用Agentic自压缩，允许Agent自适应地平衡任务成功率和token效率。在ALFWorld和基于搜索的QA等基准上的实验表明，AgentOCR在保持文本基础Agent性能95%以上的同时，将token消耗量显著降低了50%以上。 AI

影响 降低了LLM Agent的计算成本，可能支持更复杂和更长期的Agent任务。

排序理由 该集群描述了一篇在arXiv上发表的研究论文，详细介绍了一个用于LLM Agent的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AgentOCR
• ALFWorld
• arXiv
• Hugging Face
• Lang Feng
• reinforcement learning

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →