arXiv cs.RO 机器人学· Baekseung Kim, Junhoo Lee, Sohyeon Hong, Suhyun Jeon, Minkyu Kim, Seungyeon Kim, Donghoon Han, Nojun Kwak·· 2 小时前精选AI 评分53
CF-Prune：面向世界动作模型的未来帧 Token 剪枝方法
Complementary Future Token Pruning for World Action Models
AI 导读
论文提出 CF-Prune，一种面向世界动作模型（WAM）的免训练未来帧 Token 剪枝框架，在初始去噪前向过程中结合指令与动作注意力识别任务相关 Token，并通过基于熵的阶段识别机制在精度阶段保留稠密计算。
推荐理由
论文给出35%和50%剪枝比例下的具体加速与成功率数据，可评估该方法在推理延迟与任务性能间的取舍。
来源：arXiv cs.RO 机器人学 · arxiv.org