AgentNetBench

新的GUI-KV方法提高了视觉语言代理的效率

研究人员开发了GUI-KV，一种提高利用视觉语言模型图形用户界面（GUI）代理效率的新颖方法。这些代理由于处理大量高分辨率屏幕截图而常常面临推理速度慢的问题。GUI-KV通过压缩键值缓存（存储过去信息的组件）来解决这个问题，而无需重新训练模型。该方法结合了空间显著性引导以保留重要的视觉细节，以及时间冗余评分以修剪重复的历史数据。实验表明，GUI-KV可以在保持准确性或甚至提高准确性的同时，显著降低计算成本，并且优于现有的缓存压缩技术。