WAM-Cache：KV缓存复用加速世界动作模型预填充
热点事件持续更新
WAM-Cache：KV缓存复用加速世界动作模型预填充
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Kai Ding 等研究者提出免训练的 WAM-Cache 框架，在分块之间保留视频 DiT 的逐层 KV 表示、只稀疏刷新部分 token，以降低世界动作模型（WAM）的视频 DiT 预填充开销。 在 Fast-WAM 上，该方法在 RoboTwin 2.0、LIBERO 及真实机器人实验中将视频 DiT 预填充 FLOPs 降低 32–42%，同时仿真中策略性能与稠密策略相差 0.7–1.8 个百分点，真实机器人上相差 2.5 个百分点。
AI 根据报道生成 · 45 分钟前更新
最新进展10月9日 12:00
WAM-Cache：面向 World Action Model 的有界陈旧 KV 复用加速框架报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学WAM-Cache：面向 World Action Model 的有界陈旧 KV 复用加速框架
论文提出训练免调的 WAM-Cache 框架，在分块间保留视频 DiT 的逐层 KV 表示、仅稀疏刷新部分 token，以降低 World Action Model 的 prefill 开销。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。