摘要
计算机使用智能体（CUA）依赖视觉观察，导致交互轨迹增长时令牌成本激增，限制了历史信息的利用。本文提出 ReVision，通过学习的选择器移除连续截图中的冗余视觉块，同时保留空间结构。实验表明，该方法在三个基准测试中平均减少 46% 的令牌用量，并将成功率提升 3%。效率的提升揭示了视觉历史性能饱和并非因过去信息无用，而是令牌表示低效所致，使智能体能有效利用更长的历史轨迹。
AI 推荐理由
论文核心解决 Agent 视觉历史记忆的效率瓶颈，通过去冗余扩展有效记忆长度。
研究机构
University of British Columbia
Microsoft Research
论文信息