实体
AgentOCR
AgentOCR
PulseAugur coverage of AgentOCR — every cluster mentioning AgentOCR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
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…
-
新的CAPS框架弥合了视觉-文本压缩中的智能体策略差距
研究人员开发了一个名为CAPS（跨模态智能体策略自蒸馏）的新框架，以解决多步语言模型智能体在视觉-文本压缩中的能力差距。当交互历史被转换为图像时，这种差距会出现，从而影响智能体性能。CAPS采用两阶段自蒸馏过程，使用更强的文本历史策略作为监督者来训练视觉历史智能体策略。该方法在SearchQA和ALFWorld等任务上显著提高了性能，同时大幅降低了内存-上下文成本。