SmolVLM2

视觉虫洞为异构AI智能体实现潜在空间通信

研究人员推出“视觉虫洞”（Vision Wormhole），这是一种利用视觉语言模型（VLMs）的视觉界面，实现异构多智能体系统（MAS）之间通信的新颖方法。该方法将推理轨迹映射到一个共享的连续参考空间，允许在不同模型架构之间进行潜在状态转移，而无需成对特定的翻译器。视觉虫洞利用中心辐射型拓扑结构实现可扩展性，并使用无标签蒸馏进行训练，在各种推理基准测试中展示了更低的运行时和更高的准确性。