OverSeer: 多智能体世界模型通过辅助视图提升一致性
OverSeer 引入固定辅助视图增强多智能体世界模型的一致性,在 Minecraft 和 Doom 实验中显著改善世界与智能体状态同步,并通过 delta-VAE 压缩技术降低计算开销。
OverSeer 引入固定辅助视图增强多智能体世界模型的一致性,在 Minecraft 和 Doom 实验中显著改善世界与智能体状态同步,并通过 delta-VAE 压缩技术降低计算开销。
Tianyu Fu等人提出了一种新的缓存工程方案,允许智能体直接控制KV缓存而不修改轨迹或重新填充保留上下文。实验显示,该方案在基准测试中平均提高1.7分,降低27.7%成本,并实现1.2倍输出吞吐量和1.5倍P95请求延迟加速。
推荐理由:通过直接控制KV缓存而非修改轨迹,解决了智能体长任务中的缓存效率问题,但历史依赖性给服务引擎带来新挑战。
SARAM提出了一种终身学习框架,通过复用冻结适配器和仅在选定层引入新适配器,限制存储增长同时保持GPU内存和推理成本与任务流长度无关。在四个LIBERO套件中,SARAM匹配或超过基于适配器的方法,同时每个任务减少最多4.5倍的磁盘状态。在真实UR5机械臂上的实验进一步验证了其在顺序任务流中的保留能力。
推荐理由:通过复用和稀疏分配适配器,SARAM解决了机器人终身学习中存储和部署成本随任务增长的问题。