**ReVision：通过时序视觉冗余削减扩展计算机使用智能体**

_ReVision: Scaling Computer-Use Agents via Temporal Visual Redundancy Reduction_

> 计算机使用智能体依赖GUI截图，视觉令牌成本随交互历史增长而激增，限制了上下文利用率。ReVision方法训练多模态语言模型时，通过可学习的补丁选择器比对连续截图的补丁表示，移除冗余视觉补丁并保留空间结构。在OSWorld、WebTailBench和AgentNetBench三个基准测试中，基于Qwen2.5-VL-7B使用5张历史截图时，ReVision平均减少46%令牌使用量，同时成功率比无丢弃基线提高3%。效率提升后，更多历史观察可进一步提升性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.11212)